[논문 리뷰] Fast-MUSIC for Automotive Massive-MIMO Radar

Bin Li, Shuseng Wang외 3명|arXiv (Cornell University)|2019. 11. 18.

Radar Systems and Signal Processing참고 문헌 46인용 수 4

한 줄 요약

이 논문은 자동차 대량-MIMO 레이더를 위한 계산 효율적인 MUSIC 알고리즘의 변종인 fast-MUSIC를 제안한다. 랜덤라이즈드 저랭크 근사법을 사용하여 하위공간 계산을 수배수로 가속화하면서도 고해상도 도래각 (AoA) 추정 정확도를 유지한다. 기존 MUSIC과 비교해 거의 정확한 가짜 스펙트럼 성능을 달성함으로써 실시간 고해상도 센싱이 가능한 모바일 및 자동차 응용 분야에 적합하다.

ABSTRACT

Massive multiple-input multiple-output (MIMO) radar, assisted by millimeter-wave band virtual MIMO techniques, provides great promises to the high-resolution automotive sensing and target detection in unmanned ground/aerial vehicles (UGA/UAV). As one long-standing challenging problem, however existing subspace methods may suffer from either the low resolution/accuracy or the high time complexity. In this study, we propose two computational efficient methods to accomplish the high-resolution estimation of angle of arrival (AoA) information. By leveraging randomized low-rank approximation, our fast-MUSIC approaches, relying on random sampling and projection techniques, would speed up the subspace computation by orders of magnitude. At the same time, we establish the theoretical bounds of our proposed approaches, which ensure the accuracy of approximated pseudo-spectrum. As shown, in the case of high signal-to-noise ratio, the pseudo-spectrum acquired by our fast-MUSIC is highly precise, when compared to the exact MUSIC. Comprehensive numerical study demonstrates that our new methods are tremendously faster than MUSIC, while the AoA estimation accuracy are almost as good as MUSIC. As such, our fast-MUSIC enables the high-resolution yet real-time sensing with massive MIMO radar, which has great potential in the emerging mobile computing and automotive applications.

연구 동기 및 목표

• 대량-MIMO 레이더 시스템에서 기존 하위공간 방법인 MUSIC의 높은 계산 복잡도를 해결한다.
• 모바일 및 무인 차량 응용 분야를 위한 실시간 고해상도 도래각 (AoA) 추정을 가능하게 한다.
• 실제 신호 대 잡음비 (SNR) 조건에서도 높은 추정 정확도를 유지하면서 계산 효율적인 MUSIC의 대안을 개발한다.
• 저랭크 근사로 인해 발생하는 오차의 이론적 경계를 도출하여 가짜 스펙트럼의 신뢰성을 확보한다.

제안 방법

• MUSIC 알고리즘에서 신호 하위공간 계산을 가속화하기 위해 랜덤라이즈드 저랭크 근사법을 활용한다.
• 랜덤 샘플링 및 투영 기법을 사용하여 공분산 행렬의 차원을 축소하면서 핵심 스펙트럼 정보를 유지한다.
• 더 작은 무작위 투영 행렬을 사용해 근사된 신호 하위공간을 구성함으로써 계산 비용을 크게 감소시킨다.
• 가장자리 하위공간에 대해 MUSIC 알고리즘을 적용하여 AoA 추정을 위한 가짜 스펙트럼을 추정한다.
• 근사 오차에 대한 이론적 경계를 유도하여 도출된 가짜 스펙트럼의 정확도를 보장한다.
• MUSIC의 구조를 유지하면서 전체 SVD 계산을 축소된 행렬에 대한 빠른 랜덤 SVD로 대체한다.

실험 결과

연구 질문

• RQ1 저랭크 근사법을 대량-MIMO 레이더에서 MUSIC 알고리즘의 가속화에 효과적으로 적용할 수 있을까? 이로 인해 AoA 추정 정확도가 손상되지 않는가?
• RQ2 MUSIC 기반 AoA 추정 맥락에서 저랭크 근사로 인한 오차에 대한 이론적 경계는 무엇인가?
• RQ3 고 SNR 조건 하에서 fast-MUSIC의 성능은 기존 MUSIC과 해상도 및 계산 효율성 측면에서 어떻게 비교되는가?
• RQ4 MUSIC의 계산 복잡도는 얼마나 줄일 수 있으며, 이로 인해 거의 최적의 가짜 스펙트럼 정확도를 유지할 수 있는가?

주요 결과

• 제안된 fast-MUSIC 방법은 기존 MUSIC에 비해 하위공간 계산에서 수배수의 속도 향상을 달성한다.
• 고 신호 대 잡음비 (SNR) 조건 하에서 fast-MUSIC의 가짜 스펙트럼은 정확한 MUSIC과 거의 동일하여 AoA 추정 정확도가 거의 동일함을 시사한다.
• 이론적 경계 분석을 통해 근사 오차가 작게 유지됨을 확인하여 신뢰성 있고 정확한 가짜 스펙트럼 추정이 가능하다.
• 포괄적인 수치 실험을 통해 fast-MUSIC는 MUSIC과 거의 동일한 AoA 추정 성능을 유지하면서도 훨씬 더 빠른 성능을 보였다.
• 이 방법은 실시간 고해상도 센싱을 가능하게 하여 대량-MIMO 레이더 시스템에서 동적인 자동차 및 무인 차량 응용 분야에 적합하다.