[논문 리뷰] A framework for the analytical performance assessment of matrix and tensor-based ESPRIT-type algorithms

Florian Roemer, Martin Haardt|arXiv (Cornell University)|2012. 09. 14.

Direction-of-Arrival Estimation Techniques참고 문헌 40인용 수 13

한 줄 요약

이 논문은 행렬 및 텐서 기반 ESPRIT 유사 알고리즘의 성능을 평가하기 위한 통합 분석 프레임워크를 제안하며, 정규 또는 원형 대칭성의 노이즈를 가정하지 않고도 추정 오차의 1차 섭동 분석을 가능하게 한다. 주요 기여는 노이즈의 2차 모멘트에만 의존하는 폐쇄형 평균 제곱 오차(MSE) 표현식을 제공하는 것으로, 단일 스퍼플릿 시나리오에서도 유효하며 다차원 배열에서 표준 및 유니타리 ESPRIT 변형 모두에 적용 가능하다.

ABSTRACT

In this paper we present a generic framework for the asymptotic performance analysis of subspace-based parameter estimation schemes. It is based on earlier results on an explicit first-order expansion of the estimation error in the signal subspace obtained via an SVD of the noisy observation matrix. We extend these results in a number of aspects. Firstly, we derive an explicit first-order expansion of the Higher- Order SVD (HOSVD)-based subspace estimate. Secondly, we show how to obtain explicit first-order expansions of the estimation error of ESPRIT-type algorithms and provide the expressions for matrix-based and tensor-based Standard ESPRIT and Unitary ESPRIT. Thirdly, we derive closed-form expressions for the mean square error (MSE) and show that they only depend on the second-order moments of the noise. Hence, we only need the noise to be zero mean and possess finite second order moments. Fourthly, we investigate the effect of using Structured Least Squares (SLS) to solve the overdetermined shift invariance equations in ESPRIT and provide an explicit first-order expansion as well as a closed-form MSE expression. Finally, we simplify the MSE for the special case of a single source and compute the asymptotic efficiency of the investigated ESPRIT-type algorithms in compact closed-form expressions which only depend on the array size and the effective SNR. Our results are more general than existing results on the performance analysis of ESPRIT-type algorithms since (a) we do not need any assumptions about the noise except for the mean to be zero and the second-order moments to be finite (in contrast to earlier results that require Gaussianity or second-order circular symmetry); (b) our results are asymptotic in the effective SNR, i.e., we do not require the number of samples to be large; (c) we present a framework that incorporates various ESPRIT-type algorithms in one unified manner.

연구 동기 및 목표

• 하위공간 기반 파rameter 추정 알고리즘의 점근적 성능 평가를 위한 일반적 분석 프레임워크를 개발하기 위해.
• 고차원 SVD(HOSVD) 기반 하위공간 추정에 대한 1차 섭동 이론을 텐서 기반 신호 처리로 확장하기 위해.
• 행렬 기반 및 텐서 기반 표준 및 유니타리 ESPRIT를 포함한 다양한 ESPRIT 유사 알고리즘에 대해 명시적 1차 전개 및 폐쇄형 MSE 표현식을 유도하기 위해.
• ESPRIT에서 이동 불변성 방정식을 해결하는 데 있어 구조적 최소 제곱(SLS)의 영향을 분석하기 위해.
• 배열 크기와 유효 SNR만을 사용하여 단일 소스 시나리오에서 점근적 효율성을 폐쇄형으로 계산하기 위해.

제안 방법

• 섭동 이론을 사용하여 HOSVD 기반 하위공간 추정치의 명시적 1차 전개를 유도한다.
• 섭동 프레임워크를 ESPRIT 유사 알고리즘에 적용하여 R차원 행렬 및 텐서 기반 표준 및 유니타리 ESPRIT의 오차 전개를 유도한다.
• SVD 기반 및 HOSVD 기반 하위공간 추정을 통합적으로 다루며, 불변성 방정식을 해결하기 위한 구조적 최소 제곱을 포함한다.
• 크로네cker 곱, 투영 행렬, 교환 행렬의 성질을 활용하여 오차 민감도를 배열 응답과 노이즈 하위공간 투영의 형태로 표현한다.
• 노이즈의 2차 모멘트에만 의존하는 MSE 표현식을 유도하여 정규성 또는 원형 대칭성 가정을 회피한다.
• 백색이고 원형 대칭적인 노이즈 조건 하에서 균일 선형 배열(ULA) 및 균일 직사각형 배열(URA)의 단일 소스 시나리오에 대해 MSE를 단순화한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 행렬 및 텐서 기반 ESPRIT 유사 알고리즘의 성능 평가를 위한 통합 분석 프레임워크를 개발할 수 있는가?
• RQ2 다차원 배열에서 HOSVD 기반 하위공간 추정치의 추정 오차에 대한 1차 섭동 전개는 무엇인가?
• RQ3 정규 또는 원형 대칭성의 노이즈를 가정하지 않고도 ESPRIT 유사 알고리즘에 대한 폐쇄형 MSE 표현식을 도출할 수 있는가?
• RQ4 구조적 최소 제곱(SLS)의 사용은 ESPRIT 유사 알고리즘의 추정 오차 측면에서 성능에 어떤 영향을 미치는가?
• RQ5 단일 소스 시나리오에서 텐서 기반 ESPRIT의 점근적 효율성은 행렬 기반 ESPRIT에 비해 어떻게 되는가?

주요 결과

• 제안된 프레임워크는 표본 수가 아니라 유효 SNR에 대해 점근적인 1차 섭동 분석을 가능하게 하여, 단일 스퍼플릿 시나리오에서도 유효한 분석이 가능하다.
• 노이즈의 2차 모멘트에만 의존하는 폐쇄형 MSE 표현식이 도출되었으며, 정규성 또는 원형 대칭성 가정이 필요 없어진다.
• 단일 소스의 경우, 2차원 표준 ESPRIT와 2차원 표준 텐서-ESPRIT의 MSE는 동일하며, 동일한 조건 하에서 민감도 행렬(W_mat 및 W_ten)이 동일하기 때문이다.
• 단일 소스의 경우, R차원 유니타리 ESPRIT의 MSE는 R차원 표준 ESPRIT와 동일하다. 이는 전진-후진 평균화에 의한 섭동 구조의 불변성 때문이므로.
• 단일 소스 시나리오에서 ULA 및 URA에 대해 점근적 효율성을 배열 크기와 유효 SNR만을 사용하여 폐쇄형으로 계산하였으며, 알고리즘 성능 간 직접 비교가 가능해졌다.
• 이 프레임워크는 SVD 기반 및 HOSVD 기반 하위공간 추정의 분석을 통합하였으며, 구조적 최소 제곱 해법까지 포함하여 다양한 알고리즘 변형에 대한 성능 평가를 위한 종합적인 도구를 제공한다.