[논문 리뷰] Multichannel adaptive signal detection: Basic theory and literature review

Weijian Liu, Jun Liu외 3명|arXiv (Cornell University)|2021. 02. 06.

Distributed Sensor Networks and Detection Algorithms인용 수 11

한 줄 요약

이 논문은 가우시안 노이즈에서 다중채널 적응 신호 검출에 대한 종합적인 튜토리얼 및 문헌 리뷰를 제시하며, 설계 기준, 필터링-그 이후 CFAR 방법과의 관계, 일정한 가짜 경고율(CFAR) 성질에 중점을 두고 있다. 키티의 GLRT, 신호 불일치 및 간섭 하에서의 성능 분석, 압축 측정, 비가우시안 노이즈, 기계 학습 통합 분야의 향후 연구 방향을 규명한다.

ABSTRACT

Multichannel adaptive signal detection jointly uses the test and training data to form an adaptive detector, and then make a decision on whether a target exists or not. Remarkably, the resulting adaptive detectors usually possess the constant false alarm rate (CFAR) properties, and hence no additional CFAR processing is needed. Filtering is not needed as a processing procedure either, since the function of filtering is embedded in the adaptive detector. Moreover, adaptive detection usually exhibits better detection performance than the filtering-then-CFAR detection technique. Multichannel adaptive signal detection has been more than 30 years since the first multichannel adaptive detector was proposed by Kelly in 1986. However, there are fewer overview articles on this topic. In this paper we give a tutorial overview of multichannel adaptive signal detection, with emphasis on Gaussian background. We present the main deign criteria for adaptive detectors, investigate the relationship between adaptive detection and filtering-then-CFAR detection, relationship between adaptive detectors and adaptive filters, summarize typical adaptive detectors, show numerical examples, give comprehensive literature review, and discuss some possible further research tracks.

연구 동기 및 목표

• 가우시안 배경을 중심으로 다중채널 적응 신호 검출에 대한 체계적인 튜토리얼을 제공한다.
• 적응 검출과 전통적인 필터링-그 이후 CFAR 검출 간의 관계를 명확히 하여, 간편성과 성능 측면에서의 이점에 주목한다.
• 다양한 신호 및 노이즈 모델 하에서 키티의 GLRT, AMF, 레이오/월드 검정을 포함한 주요 적응 검출기들을 요약하고 비교한다.
• 신호 불일치 하에서의 성능 분석, 알려지지 않은 공분산을 가진 색조 노이즈, 압축 측정 및 기계 학습 통합 분야의 열린 연구 문제를 규명한다.
• 비균일성, 비가우시안성, 불확실한 노이즈 환경에서의 주요 과제를 제시하여 향후 연구를 자극한다.

제안 방법

• 검출기의 일정한 가짜 경고율(CFAR) 성질을 확보하기 위해 테스트 및 훈련 데이터를 활용한 다중채널 적응 검출을 위한 통합 프레임워크를 제안한다.
• 특히 동질성 및 부분적으로 동질성 있는 환경에서 질량 1 및 부분공간 신호에 대해 일반화된 최대우도비검정(GLRT)을 주요 설계 기준으로 사용한다.
• 통계 모델을 기반으로 2S-GLRT-HE-I 및 GLRT-PHE-I와 같은 주요 검출기의 탐지 확률(PD) 및 가짜 경고 확률(PFA)에 대한 해석적 표현을 유도한다.
• 노이즈가 화이트닝된 공간에서 신호와 수직일 경우, GLRT와 적응 매칭 필터(AMF) 간의 등가성을 분석한다.
• 특히 간섭이 수반되는 부분공간 신호 검출에서 GLRT의 대안으로서 레이오 및 월드 검정의 사용을 검토한다.
• 최근의 압축 측정 기반 검출 및 기계 학습 응용을 통합하여, 특히 알려지지 않은 또는 비가우시안 노이즈 상황에서의 성능 향상을 도모한다.

Figure 1: Block diagrams for filtering-then-CFAR detection and adaptive detection

실험 결과

연구 질문

• RQ1 성능 및 복잡도 측면에서 적응 검출기는 전통적인 필터링-그 이후 CFAR 검출기와 어떻게 비교되는가?
• RQ2 적응 검출과 적응 필터링 간의 관계는 무엇이며, 功能 및 구현 측면에서 어떤 점에서 다름이 있는가?
• RQ3 신호 불일치 및 간섭은 적응 검출기의 성능에 어떤 영향을 미치며, 이를 정량화할 수 있는 분석 도구는 무엇인가?
• RQ4 비가우시안 또는 구조적 비균일 노이즈 하에서 현재의 적응 검출기의 한계는 무엇이며, 이를 어떻게 보완할 수 있는가?
• RQ5 기계 학습과 압축 측정은 알려지지 않은 또는 희소 환경에서 적응 검출에 효과적으로 통합될 수 있는가?

주요 결과

• 적응 검출은 필터링과 CFAR 처리를 동시에 수행하므로, 필터링-그 이후 CFAR 방법에 비해 더 단순한 검출 절차를 제공한다.
• 동질성 환경에서 질량 1 신호에 대한 키티의 GLRT(KGLRT)는 기반 검출기로서, 행렬 CFAR 성질을 유지하여 노이즈 공분산 구조에 독립적인 탐지 임계값을 보장한다.
• 완전히 알려지지 않은 노이즈 상황에서 질량 1 신호에 대한 GLRT는 적응 공명도 추정기(ACE)와 동일하며, 레이오 검정은 DN-AMF 검출기로 이어진다.
• 일관된 간섭이 존재할 경우, GLRT, 레이오, 월드 검정의 일반화된 형태가 유도되며, 노이즈가 화이트닝된 공간에서 신호와 수직이면 GLRT는 KGLRT와 일치한다.
• 통계 모델에서 유도된 PD 및 PFA에 대한 해석적 표현 덕분에 2S-GLRT-HE-I 및 GLRT-PHE-I와 같은 검출기의 이론적 성능 분석이 가능해진다.
• 향후 연구 방향으로는 신호 불일치 하에서의 성능 분석, 알려지지 않은 공분산을 가진 색조 노이즈를 위한 검출기 개발, 그리고 불확실한 환경에서의 강건성 향상을 위한 압축 측정 및 기계 학습 통합이 포함된다.

Figure 2: Block diagrams for one adaptive filter and three adaptive detectors