[논문 리뷰] Adaptive Signal Detection and Parameter Estimation in Unknown Colored Gaussian Noise

Bo Tang, Haibo He외 1명|arXiv (Cornell University)|2016. 07. 27.

Radar Systems and Signal Processing참고 문헌 10인용 수 3

한 줄 요약

이 논문은 자동회귀(AR) 과정으로 모델링된 알려지지 않은 색간이 있는 가우시안 잡음에서 신호를 탐지하기 위해 두 개의 GLRT 기반 및 하나의 로우 테스트 기반 적응 신호 탐지기를 제안한다. 최대우도 추정치와 점근적 분포를 유도함으로써, 이 탐지기는 일정한 가짜 경고율(CFAR)을 달성하고 주파수 변조 신호 및 시계열 이동 물체 탐지 응용 분야에서 뛰어난 성능을 보인다.

ABSTRACT

This paper considers the general signal detection and parameter estimation problem in the presence of colored Gaussian noise disturbance. By modeling the disturbance with an autoregressive process, we present three signal detectors with different unknown parameters under the general framework of binary hypothesis testing. The closed form of parameter estimates and the asymptotic distributions of these three tests are also given. Given two examples of frequency modulated signal detection problem and time series moving object detection problem, the simulation results demonstrate the effectiveness of three presented detectors.

연구 동기 및 목표

• 기존 탐지기가 흰 가우시안 잡음을 가정하는 데서 비롯하는 한계를 해결하여 실제 환경의 색간 잡음 환경에서 성능이 저하되는 문제를 해결한다.
• 알려지지 않은 신호 진폭과 색간 잡음을 모델링하는 알려지지 않은 AR 계수를 가진 이진 가설 검정 프레임워크 하에서 일반적인 신호 탐지 문제를 수립한다.
• AR 기반 색간 잡음에서 서로 다른 알려지지 않은 파rameter 구성에 적합한 세 가지 부분 최적 탐지기(GLRT 및 로우 테스트 변종)를 개발한다.
• 알려지지 않은 파rameter의 폐쇄형 최대우도 추정치와 검정 통계량의 점근적 분포를 유도하여 실용적 구현을 가능하게 한다.
• 단계별 주파수 신호 탐지 및 시계열 이동 물체 탐지 시뮬레이션을 통해 제안된 탐지기의 효과성을 입증한다.

제안 방법

• 알려지지 않은 계수 α₁,…,αₚ와 잡음 창발 분산 σ²를 가진 차수 p의 자동회귀(AR) 과정으로 색간 가우시안 잡음을 모델링한다.
• 일반화된 최대우도 비율 테스트(GLRT) 프레임워크를 적용하여 두 개의 탐지기를 구성한다: 하나는 알려지지 않은 신호 진폭과 AR 계수를, 다른 하나는 알려지지 않은 신호 진폭과 잡음 분산을 가진다.
• 크래머-라오 하한과 점근적 분포 이론을 활용하여 동일한 가설 프레임워크 하에서 로우 테스트 탐지기를 유도한다.
• 최대우도 추정(MLE)을 사용하여 Yule-Walker 방정식을 통해 알려지지 않은 파rameter, 즉 AR 계수와 잡음 분산의 폐쇄형 표현식을 계산한다.
• 변환 행렬 T와 벡터 c를 사용하여 원래의 탐지 문제를 선형 모델로 변환함으로써 검정 통계량의 효율적 계산을 가능하게 한다.
• 로우 테스트의 점근적 분포를 비중앙 카이제곱 분포로 설정하고, 대규모 표본 조건에서 GLRT와의 동치성을 입증한다.

실험 결과

연구 질문

• RQ1 알려지지 않은 색간 가우시안 잡음(AR 과정으로 모델링)이 존재하는 환경에서 어떻게 효과적으로 신호 탐지가 이루어질 수 있는가?
• RQ2 이러한 모델에서 알려지지 않은 파arameter(신호 진폭, AR 계수, 잡음 분산)의 최대우도 추정치에 대한 폐쇄형 표현식은 무엇인가?
• RQ3 GLRT 및 로우 테스트 탐지기의 점근적 분포는 서로 다른 알려지지 않은 파arameter 구성 조건에서 어떻게 행동하는가?
• RQ4 잡음 공분산이 알려지지 않은 상황에서 제안된 탐지기가 일정한 가짜 경고율(CFAR) 성능을 유지할 수 있는가?
• RQ5 단계별 주파수 신호 탐지 및 시계열 이동 물체 탐지와 같은 실질적 응용 분야에서 탐지기는 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 GLRT 탐지기는 H₀ 하에서 정확한 카이제곱 분포, H₁ 하에서 비중앙 카이제곱 분포를 각각 확보하여 임계치 설정이 정밀하게 가능하다.
• 대규모 표본 조건(N → ∞)에서 로우 테스트 탐지기는 점근적으로 GLRT의 성능을 정확히 따라잡으며, 이는 그 최적성의 한계에서의 타당성을 입증한다.
• Yule-Walker 방정식을 활용하여 AR 계수와 잡음 분산에 대한 폐쇄형 MLE를 도출하여 효율적인 구현을 가능하게 한다.
• 시뮬레이션 결과는 단계별 주파수 신호 탐지에서 뛰어난 탐지 성능를 보이며, 색간 잡음에 대한 강건성을 확인한다.
• 탐지기는 성공적으로 시계열 이동 물체 탐지에 확장되어 실제 신호 처리 과제에서 넓은 적용 가능성을 보여준다.
• 모든 탐지기는 일정한 가짜 경고율(CFAR) 행동을 유지하며, 이는 레이더 및 소나 응용 분야에서 핵심적인 성질이다.