[論文レビュー] Single and multiple snapshot compressive beamforming.

Peter Gerstoft, Angeliki Xenaki+1 more|arXiv (Cornell University)|Mar 8, 2015

Direction-of-Arrival Estimation Techniques参考文献 26被引用数 4

ひとこと要約

本稿では、$β$-ノルム正則化を用いて源分布のスパarsityを強制することで、水中音響における高分解能方向代入（DOA）推定のための単一および複数スナップショット圧縮ビームフォーミングを提案する。低SNRおよび同相マルチパス環境下でも従来手法を上回る分解能を達成しており、SWellEx96の垂直アレイデータを用いた検証で裏付けられている。

ABSTRACT

For a sound field observed on a sensor array, compressive sensing (CS) reconstructs the direction-of-arrivals (DOAs) of multiple sources using a sparsity constraint. The DOA estimation is posed as an underdetermined problem expressing the acoustic pressure at each sensor as a phase-lagged superposition of source amplitudes at all hypothetical DOAs. Regularizing with an $\ell_1$-norm constraint renders the problem solvable with convex optimization, while promoting sparsity resulting in high-resolution DOA maps. Here, the sparse source distribution is derived using maximum a posteriori estimates for both single and multiple snapshots. CS does not require inversion of the data covariance matrix and thus works well even for a single snapshot resulting in higher resolution than conventional beamforming. For multiple snapshots, CS outperforms conventional high-resolution methods, even with coherent arrivals and at low signal-to-noise ratio. The superior resolution of CS is demonstrated with vertical array data from the SWellEx96 experiment for coherent multi-paths.

研究の動機と目的

• 水中音響アレイで一般的に見られる単一スナップショットおよび低SNR状況における低分解能DOA推定の課題に対処すること。
• 同相マルチパス環境下における従来のビームフォーミングおよび共分散行列逆行列化手法の限界を克服すること。
• データ共分散行列の逆行列化を必要としない、高分解能DOA推定を可能にする圧縮センシングフレームワークの構築すること。
• 単一および複数スナップショットの両状況に圧縮センシングを拡張し、多様な信号条件にわたる安定した性能を実現すること。

提案手法

• センサ圧力が、全DOAにおける仮想源振幅の位相遅れ重ね合わせとしてモデル化される不定線形システムとしてDOA推定を定式化する。
• $β$-ノルム正則化を適用し、源分布のスパarsityを促進することで、安定かつ高分解能な再構成が可能な凸最適化を可能にする。
• 最大事後確率（MAP）推定を用いて、単一および複数スナップショット両方のスパース源分布を導出する。
• 凸緩和技術を用いて最適化問題を解き、データ共分散行列の逆行列化を回避する。
• スパarsity促進型定式化を採用することで、データが限られている場合や同相信号到着時でも分解能が向上する。
• SWellEx96実験の垂直アレイデータを用いて、実際の同相マルチパス環境下での性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングは、従来のビームフォーミングが失敗する単一スナップショット状況においても、高分解能DOA推定を達成できるか？
• RQ2 従来の高分解能手法と比較して、同相マルチパス到着が存在する環境下で、圧縮ビームフォーミングはどのように性能を発揮するか？
• RQ3 低信号対雑音比（SNR）下で、$β$-ノルム正則化はDOA推定精度をどの程度向上させるか？
• RQ4 提案手法は、スパース信号状況におけるデータ共分散行列の逆行列化に起因する数値的不安定性を回避できるか？

主な発見

• 提案された圧縮ビームフォーミング手法は、特に単一スナップショット状況において、従来のビームフォーミングを上回る高い分解能を達成する。
• 同相マルチパス環境下でも、従来の高分解能手法を上回る性能を発揮する。伝統的手法がしばしば失敗する状況でも有効である。
• スパarsity促進型$β$-ノルム正則化のおかげで、低SNR下でも安定した性能を維持する。
• データ共分散行列の逆行列化が不要であるため、データが限られている場合やSNRが低い状況でも安定した推定が可能になる。
• SWellEx96垂直アレイデータを用いた検証により、同相マルチパス伝搬を伴う実世界の水中音響環境下でも、本手法の有効性が確認された。
• 最大事後確率推定により、単一および複数スナップショット両状況において、スパース源分布の回復精度が向上した。