[논문 리뷰] Array-Informed Waveform Design for Active Sensing: Diversity, Redundancy, and Identifiability

Robin Rajamäki, Piya Pal|arXiv (Cornell University)|2023. 05. 10.

Sparse and Compressive Sensing Techniques인용 수 4

한 줄 요약

이 논문은 MIMO 활성 센싱 시스템에서 전송 웨이브폼을 설계하기 위한 통합 프레임워크를 제안하며, 배열 기하학과 웨이브폼 다변화를 동시에 최적화하여 희박한 산란체의 식별 가능성을 최대화한다. 이는 배열의 중복성 구조를 활용함으로써 전송기 수보다 적은 선형 독립 웨이브폼으로도 최대 식별 가능성을 달성할 수 있음을 입증하며, 구조적 센싱 행렬의 Kruskal 질량 최대화를 통해 하드웨어 비용과 전송 시간을 줄이면서도 성능을 유지함을 보여준다.

ABSTRACT

This paper investigates the combined role of transmit waveforms and (sparse) sensor array geometries in active sensing multiple-input multiple-output (MIMO) systems. Specifically, we consider the fundamental identifiability problem of uniquely recovering the unknown scatterer angles and coefficients from noiseless spatio-temporal measurements. Assuming a sparse scene, identifiability is determined by the Kruskal rank of a highly structured sensing matrix, which depends on both the transmitted waveforms and the array configuration. We derive necessary and sufficient conditions that the array geometry and transmit waveforms need to satisfy for the Kruskal rank -- and hence identifiability -- to be maximized. Moreover, we propose waveform designs that maximize identifiability for common array configurations. We also provide novel insights on the interaction between the waveforms and array geometry. A key observation is that waveforms should be matched to the pattern of redundant transmit-receive sensor pairs. Redundant array configurations are commonly employed to increase noise resilience, robustify against sensor failures, and improve beamforming capabilities. Our analysis also clearly shows that a redundant array is capable of achieving its maximum identifiability using fewer linearly independent waveforms than transmitters. This has the benefit of lowering hardware costs and transmission time. We illustrate our findings using multiple examples with unit-modulus waveforms, which are often preferred in practice.

연구 동기 및 목표

• 노이즈가 없는 시공간 측정치로부터 알려지지 않은 산란체 각도와 계수를 유일하게 복원할 수 있는 기본적인 식별 가능성 문제를 해결하기 위해.
• 센싱 행렬의 Kruskal 질량을 최대화함으로써 식별 가능성을 결정짓는 배열 기하학과 전송 웨이브폼에 대한 必要하고 충분한 조건을 규명하기 위해.
• 일반적인 중복 배열 구성에서, 특히 감소된 웨이브폼 질량(WR) 조건 하에서 식별 가능성을 최대화하는 웨이브폼을 설계하기 위해.
• 웨이브폼 설계와 배열 중복성 간의 상호작용을 규명하여, 성능 향상을 위해 웨이브폼이 중복된 센서 쌍에 맞춰져야 한다는 것을 보여주기 위해.
• 중복 배열이 전송기 수보다 적은 선형 독립 웨이브폼으로도 최대 식별 가능성을 달성할 수 있음을 보여주어 비용과 시간 절감 가능성을 입증하기 위해.

제안 방법

• 식별 가능성을 결정짓는 센싱 행렬의 Kruskal 질량을 최대화함으로써, 희박한 산란체의 식별 가능성을 보장하는 데 초점을 맞춘 고도로 구조화된 센싱 행렬을 사용하여 센싱 과정을 모델링한다.
• 산란체 매개변수의 유일한 복원을 보장하기 위해, 전송 웨이브폼과 배열 기하학에 대한 필요하고 충분한 조건을 유도한다.
• 복합 웨이브폼-배열 시스템의 질량 특성을 분석하기 위해 텐서 곱과 치환 행렬을 이용해 행렬 Q를 구성하는 것을 포함한다.
• 바르단드 행렬의 구조와 Kruskal 질량 이론을 활용하여, 배열의 중복성을 활용할 경우 웨이브폼 질량이 감소하더라도 전체 식별 가능성(Kruskal 질량 = NΣ)을 달성할 수 있음을 증명한다.
• 가상의 배열 요소가 전송 및 수신 센서 위치의 쌍별 합으로 형성되는 합-공간 배열(합 co-array) 개념을 활용하여 해상도와 식별 가능성을 향상시킨다.
• 실제 시스템에서 흔히 사용되는 단위 모듈로스 웨이브폼을 사용하여 이론적 분석을 검증함으로써 설계 원칙과 성능 향상을 시각화한다.

실험 결과

연구 질문

• RQ1 MIMO 활성 센싱 시스템에서 식별 가능성을 최대화하기 위해 배열 기하학과 전송 웨이브폼에 필요한 조건은 무엇인가?
• RQ2 웨이브폼 질량(WR)과 배열 중복성 간의 상호작용이 센싱 행렬의 Kruskal 질량과 식별 가능성에 미치는 영향은 어떠한가?
• RQ3 중복 배열 구성은 전송기 수보다 적은 선형 독립 웨이브폼으로도 최대 식별 가능성을 달성할 수 있는가?
• RQ4 최적의 성능을 위해 웨이브폼은 어떻게 설계되어야 하는가? 특히 중복된 전송-수신 센서 쌍의 패tern에 맞춰져야 하는가?
• RQ5 MIMO 센싱에서 웨이브폼 다양성, 배열 중복성, 그리고 필요로 하는 전송 횟수 사이의 이론적 트레이드오프는 무엇인가?

주요 결과

• 중복 배열 구성은 전송기 수보다 적은 선형 독립 웨이브폼으로도 최대 식별 가능성을 달성할 수 있으며, 이는 하드웨어 비용과 전송 비용 절감에 기여한다.
• 식별 가능성에 핵심적인 영향을 미치는 센싱 행렬의 Kruskal 질량은 웨이브폼이 중복된 전송-수신 쌍의 패턴에 맞춰져 있을 때 최대화된다.
• 어떤 배열 기하학이라도 복합 웨이브폼-배열 행렬의 Kruskal 질량이 NΣ(가상 배열 요소 총수)에 도달할 경우 식별 가능성이 최대화된다.
• 웨이브폼 설계가 배열의 중복성 구조와 일치할 경우, 감소된 웨이브폼 질량(WR) 조건 하에서도 전체 식별 가능성이 확보되며, 이는 구조적 행렬의 질량 분석을 통해 증명된다.
• 제안된 웨이브폼 설계는 센싱 행렬이 전체 Kruskal 질량 NΣ에 도달하도록 보장하여 최대 NΣ개의 희박한 산란체를 유일하게 복원할 수 있도록 한다.
• 단위 모듈로스 웨이브폼이 최대 식별 가능성을 달성하는 데 효과적임을 입증하여, 자동차 레이더 및 JCS와 같은 실용적 시스템에 적용 가능함을 보여준다.