[論文レビュー] TCDA: Robust 2D-DOA Estimation for Defective L-Shaped Arrays

Wenlong Wang, Tianyang Zhang+2 more|arXiv (Cornell University)|Feb 24, 2026

Tensor decomposition and applications被引用数 0

ひとこと要約

TCDAは欠陥のあるL字形アレイのDOA推定を重み付きPARAFACテンソル補完問題として再定式化し、ALSで追加の較正ステップなしにDOA因子を回復する。

ABSTRACT

While tensor-based methods excel at Direction-of-Arrival (DOA) estimation, their performance degrades severely with faulty or sparse arrays that violate the required manifold structure. To address this challenge, we propose Tensor Completion for Defective Arrays (TCDA), a robust algorithm that reformulates the physical imperfection problem as a data recovery task within a virtual tensor space. We present a detailed derivation for constructing an incomplete third-order Parallel Factor Analysis (PARAFAC) tensor from the faulty array signals via subarray partitioning, cross-correlation, and dimensional reshaping. Leveraging the tensor's inherent low-rank structure, an Alternating Least Squares (ALS)-based algorithm directly recovers the factor matrices embedding the DOA parameters from the incomplete observations. This approach provides a software-defined 'self-healing' capability, demonstrating exceptional robustness against random element failures without requiring additional processing steps for DOA estimation.

研究の動機と目的

• センサ故障を伴うL形アレイのロバストな2D DOA推定を動機づける。
• 故障したアレイを不完全なテンソルサンプルとしてモデル化し、DOAを重み付きPARAFAC問題として定式化する。
• DOA情報を含む因子行列を回復するALSベースのTCDAアルゴリズムを開発する。
• 実質的なデータ欠損下で理想的に近い精度による自己修復能力を示す。

提案手法

• サブアレイプールされた信号から不完全な三次元テンソルを構築する（クロス相関と再形成を用いて）。
• 欠損データを伴う重み付きPARAFAC分解としてDOA推定を定式化し、ALSで解く。
• モードnの展開における加重最小二乗を用いて因子行列G, H, Pの更新則を導出する。
• 推定されたH因子から直接2D DOAをhatTheta_kおよびhatPhi_kとして抽出し、角度に変換する。
• ブラインドデータ信頼性マスキングを実装して、再構成のための信頼できるテンソルエントリ（W_T）を同定する。
• データ欠損が約60%程度まであっても、ロバスト性を保ちながら優雅に分解が崩れず、効果を維持する。

実験結果

リサーチクエスチョン

• RQ1 欠陥のあるL字形アレイデータを低ランクの不完全テンソルとして扱うことで回復できるか。
• RQ2 テンソル補完後にPARAFAC因子行列からDOA情報を直接抽出できるか。
• RQ3 センサ故障とノイズの異なるレベルに対するTCDAのロバスト性はどの程度か。
• RQ4 欠損データ下でDOA推定誤差の閾値（エラーフロア）を回避する重み付きPARAFAC-ALSアプローチか。
• RQ5 TCDAは理想的で故障のないシナリオと比較して2D-DOA推定性能でどうなるか。

主な発見

• TCDAは故障の深さに関係なく、RMSEが0.14〜0.39度の範囲で正確な2D-DOA推定を達成する。
• 中程度の故障（1〜5個の故障センサ）では理想ケースに近い性能を維持。
• 故障レベルが増加してもRMSEは優雅に劣化し、壊滅的な故障やエラーフロアを回避。
• 約59.4%のデータ欠損でも有用なDOA推定を得られ、実用的なSNRでサブディグリRMSEを維持。
• DOA抽出はH因子から直接行われ、追加の対組み合わせステップは不要。
• 重み付きPARAFACにより不完全観測から回復する自己修復機能を実証。