[논문 리뷰] Compressive and Noncompressive Power Spectral Density Estimation from Periodic Nonuniform Samples

Michael Lexa, Mike E. Davies외 1명|arXiv (Cornell University)|2011. 10. 12.

Sparse and Compressive Sensing TechniquesEngineering참고 문헌 37인용 수 19

한 줄 요약

이 논문은 다중 코셋 샘플링을 이용해 대역 제한된, 폭넓은 의미의 정(stationary) 신호에 대한 새로운 전력 스펙트럼 밀도(PSD) 추정기법을 제안한다. 이는 샘플링 속도를 뉴이스트 이론을 초과하지 않도록 가능하게 하며, 비음수 최소 제곱(NNLS)을 통해 압축 및 비압축 추정을 통합함으로써 해상도, 복잡도, 샘플링 속도 간의 더 나은 트레이드오프를 달성한다. 특히 PSD가 희박한 경우에 유리하다.

ABSTRACT

This paper presents a novel power spectral density estimation technique for band-limited, wide-sense stationary signals from sub-Nyquist sampled data. The technique employs multi-coset sampling and incorporates the advantages of compressed sensing (CS) when the power spectrum is sparse, but applies to sparse and nonsparse power spectra alike. The estimates are consistent piecewise constant approximations whose resolutions (width of the piecewise constant segments) are controlled by the periodicity of the multi-coset sampling. We show that compressive estimates exhibit better tradeoffs among the estimator's resolution, system complexity, and average sampling rate compared to their noncompressive counterparts. For suitable sampling patterns, noncompressive estimates are obtained as least squares solutions. Because of the non-negativity of power spectra, compressive estimates can be computed by seeking non-negative least squares solutions (provided appropriate sampling patterns exist) instead of using standard CS recovery algorithms. This flexibility suggests a reduction in computational overhead for systems estimating both sparse and nonsparse power spectra because one algorithm can be used to compute both compressive and noncompressive estimates.

연구 동기 및 목표

• 고비용의 높은 샘플링 속도를 요구하는 광대역 신호에 대해 효율적인 전력 스펙트럼 밀도 추정의 과제를 해결한다.
• 주기적인 비균일 샘플링을 이용해 뉴이스트 이하의 속도에서 작동하는 일관된 PSD 추정기법을 개발한다.
• 계산 오버헤드를 줄이기 위해 압축 및 비압축 추정을 단일 알고리즘 프레임워크로 통합한다.
• 같은 복구 방법을 사용해 희박한 스펙트럼과 비희박한 스펙트럼 모두에 대해 정확한 PSD 추정을 가능하게 한다.
• 해상도, 시스템 복잡도, 평균 샘플링 속도 간의 트레이드오프를 (L, q) 매개변수 공간에서 규명한다.

제안 방법

• 다중 코셋(MC) 샘플링을 활용하며, 신호는 길이 LT의 블록 내에서 오프셋 {c_i}로 정의된 비균일이고 주기적인 간격으로 샘플링된다.
• 샘플링 과정을 진짜 PSD와 샘플된 데이터 사이의 선형 시스템으로 모델링하여 행렬 방정식 y = A x 를 형성한다.
• PSD가 희박할 경우 압축 감지(CS) 원리를 적용하여 미지수의 수가 더 많은 비정규화된 시스템 해를 허용한다.
• 비압축 추정의 경우, 시스템을 과정 또는 정규화된 것으로 간주하고 최소 제곱법을 통해 해를 구한다.
• 적절한 샘플링 패턴이 존재할 경우, 압축 및 비압축 케이스 양쪽에 비음수 최소 제곱(NNLS)을 적용한다.
• 최대우도 추정기의 불변성 성질을 이용해, 가우시안 가정 하에 비압축 추정이 渐近적으로 효율적임을 보여준다.

실험 결과

연구 질문

• RQ1 일관된 추정 프레임워크가 뉴이스트 이하의 샘플링에서 압축 및 비압축 PSD 추정을 통합할 수 있는가?
• RQ2 다중 코셋 샘플링에서 추정기의 해상도, 시스템 복잡도, 평균 샘플링 속도 간의 트레이드오프는 어떠한가?
• RQ3 압축 추정의 성능이 비압축 추정에 비해 해상도 및 샘플링 속도 측면에서 어떻게 다른가?
• RQ4 비음수 최소 제곱(NNLS)이 압축 및 비압축 추정을 모두 계산할 수 있는 조건은 무엇인가?
• RQ5 낮은 샘플링 속도에서 광대역 신호의 스펙트럼 빈도(노치)를 탐지할 수 있는가?

주요 결과

• 제안된 추정기법은 다중 코셋 매개변수 L과 q에 의해 제어되는 해상도를 갖는 일관되고 조각별로 일정한 PSD 근사치를 생성한다.
• 압축 추정은 특히 PSD가 희박할 경우 해상도, 복잡도, 평균 샘플링 속도 간의 트레이드오프에서 비압축 추정보다 더 나은 성능을 보인다.
• 적절한 샘플링 패턴이 존재할 경우, 압축 및 비압축 추정 모두 비음수 최소 제곱(NNLS)을 사용해 계산할 수 있어 별도의 알고리즘 필요 없이 처리할 수 있다.
• 적절한 샘플링 패턴에서 NNLS를 통해 계산된 비압축 추정은 입력 신호가 평균이 0이고 폭넓은 의미의 정인 가우시안 과정일 경우 渐近적으로 효율적이다.
• 이 방법은 조건부 임계값 처리를 통해 낮은 평균 샘플링 속도(예: 시뮬레이션에서 781.25 MHz)에서도 스펙트럼 빈도를 탐지할 수 있다.
• 이 추정기법은 희박한 스펙트럼과 비희박한 스펙트럼 모두에서 일관된 성능을 보이며, 해상도는 (L, q) 매개변수 쌍에 의해 결정된다.