[論文レビュー] Sensor Array Design Through Submodular Optimization

Gal Shulkind, Stefanie Jegelka+1 more|arXiv (Cornell University)|May 18, 2017

RFID technology advancements参考文献 33被引用数 4

ひとこと要約

本稿では、シーンに関する事前知識を活用して、遠方場におけるセンサアレイの幾何配置を設計するためのサブモジュラー最適化フレームワークを提案する。アレイ設計をサブモジュラー最大化問題として定式化することにより、定数係数近似を保証する近似最適解が得られ、スパarsityおよびアパーチャ制約下でも、従来の均一またはヒューリスティックな手法を凌駆する効率的で制約付きのアレイ設計が可能になる。

ABSTRACT

We consider the problem of far-field sensing by means of a sensor array. Traditional array geometry design techniques are agnostic to prior information about the far-field scene. However, in many applications such priors are available and may be utilized to design more efficient array topologies. We formulate the problem of array geometry design with scene prior as one of finding a sampling configuration that enables efficient inference, which turns out to be a combinatorial optimization problem. While generic combinatorial optimization problems are NP-hard and resist efficient solvers, we show how for array design problems the theory of submodular optimization may be utilized to obtain efficient algorithms that are guaranteed to achieve solutions within a constant approximation factor from the optimum. We leverage the connection between array design problems and submodular optimization and port several results of interest. We demonstrate efficient methods for designing arrays with constraints on the sensing aperture, as well as arrays respecting combinatorial placement constraints. This novel connection between array design and submodularity suggests the possibility for utilizing other insights and techniques from the growing body of literature on submodular optimization in the field of array design.

研究の動機と目的

• 遠方場のシーンに関する事前情報を見過ごす伝統的なアレイ設計手法の限界を是正すること。
• シーンのベイズ的事前分布を組み込んだ組み合わせ最適化問題として、センサアレイ幾何配置設計を定式化すること。
• サブモジュラー最適化理論を活用して、理論的近似保証を備えた効率的アルゴリズムを開発すること。
• 固定アパーチャや組み合わせ的配置制約といった実用的制約下でのアレイ設計を可能にすること。

提案手法

• 推定シーンとセンサ測定値の間の相互情報量を最大化するようにアレイ設計問題を定式化し、これがサブモジュラー関数であることを示す。
• 逐次的にセンサ位置を選択して条件付き相互情報量を最大化する貪欲アルゴリズムを用い、最適解の (1 - 1/e) に近い近似を達成する。
• シーンを既知の共分散構造を持つガウス過程としてモデル化し、共分散行列の行列式を用いて相互情報量を解析的に計算可能にする。
• 既存のセンサを前提とした測定値の条件付き分散の閉形式表現を導出し、効率的な貪欲選択を可能にする。
• 固定アパーチャのアレイおよび組み合わせ的配置制約を持つアレイの2つの主要なシナリオにフレームワークを適用する。
• 高SNRおよび特定の空間的事前分布下では、貪欲アルゴリズムが最適なビームフォーミング限界に一致するλ/2間隔のグリッド配置に収束することを証明する。

実験結果

リサーチクエスチョン

• RQ1 サブモジュラー最適化は、事前シーン知識を組み込むセンサアレイ幾何配置設計に効果的に適用可能か？
• RQ2 理論的性能保証を得るために、アレイ設計をどのようにサブモジュラー最大化問題として定式化できるか？
• RQ3 シーンのスパarsityまたは滑らかさに関する事前知識がある場合、最適アレイ幾何配置の構造的性質は何か？
• RQ4 サブモジュラー最大化のための貪欲アルゴリズムは、現実的なセンシング制約下でも近似最適なアレイ構成を生成するか？
• RQ5 フレームワークは、アパーチャや配置制約を尊重しながらも、理論的限界（例：λ/2間隔）に近い性能を達成するアレイを生成できるか？

主な発見

• 推定シーンとセンサ測定値の間の相互情報量はサブモジュラー関数であるため、理論的保証を伴う効率的最適化が可能になる。
• 貪欲アルゴリズムは最適解の (1 - 1/e) ≈ 63% の近似要因を達成し、多項式時間計算量で近似最適性を保証する。
• 高SNRおよび滑らかさ事前分布下では、貪欲アルゴリズムは原点を中心としたλ/2間隔グリッド上にセンサ位置を選択し、最適ビームフォーミング構成と一致する。
• 本手法により、固定アパーチャや組み合わせ的配置制約下でも、従来の均一またはヒューリスティック設計を凌駕する効率的なアレイ設計が可能になる。
• 理論的分析により、各貪欲選択で測定値の条件付き分散が単調に減少することが確認され、劣化還元性およびサブモジュラー性が裏付けられる。
• 本フレームワークはさまざまなシーン事前分布に一般化可能であり、強い性能保証を伴う圧縮センシングやビームフォーミング応用への拡張も可能である。