[论文解读] DOA Parameter Estimation with 1-bit Quantization - Bounds, Methods and the Exponential Replacement

Manuel Stein, Kurt Barbé+1 more|arXiv (Cornell University)|Feb 17, 2016

Analog and Mixed-Signal Circuit Design参考文献 9被引用 31

一句话总结

本文提出一种指数替换框架，以实现大规模MIMO系统中高效的一比特波束赋形方向（DOA）估计，规避了难以处理的一般象限概率问题。通过在指数族中近似似然函数，推导出一个保守的Cramér-Rao下界（PCRLB）和一个渐近达到该下界的保守最大似然估计器（CMLE），表明在中等信噪比（SNR）环境下，使用大规模一比特传感器阵列可实现高精度估计。

ABSTRACT

While 1-bit analog-to-digital conversion (ADC) allows to significantly reduce the analog complexity of wireless receive systems, using the exact likelihood function of the hard-limiting system model in order to obtain efficient algorithms in the digital domain can make 1-bit signal processing challenging. If the signal model before the quantizer consists of correlated Gaussian random variables, the tail probability for a multivariate Gaussian distribution with N dimensions (general orthant probability) is required in order to formulate the likelihood function of the quantizer output. As a closed-form expression for the general orthant probability is an open mathematical problem, formulation of efficient processing methods for correlated and quantized data and an analytical performance assessment have, despite their high practical relevance, only found limited attention in the literature on quantized estimation theory. Here we review the approach of replacing the original system model by an equivalent distribution within the exponential family. For 1-bit signal processing, this allows to circumvent calculation of the general orthant probability and gives access to a conservative approximation of the receive likelihood. For the application of blind direction-of-arrival (DOA) parameter estimation with an array of K sensors, each performing 1-bit quantization, we demonstrate how the exponential replacement enables to formulate a pessimistic version of the Cramér-Rao lower bound (CRLB) and to derive an asymptotically achieving conservative maximum-likelihood estimator (CMLE). The 1-bit DOA performance analysis based on the pessimistic CRLB points out that a low-complexity radio front-end design with 1-bit ADC is in particular suitable for blind wireless DOA estimation with a large number of array elements operating in the medium SNR regime.

研究动机与目标

• 解决大规模传感器阵列输出的一比特量化信号下高效且可分析的DOA估计挑战。
• 克服在1比特量化下多变量正态似然函数中的一般象限概率难以处理的问题。
• 推导一个保守的性能下界（PCRLB）并设计相应的估计器（CMLE），使其渐近达到该下界。
• 证明当阵列元素数K较大时，一比特ADC系统在中等SNR范围内可实现高DOA估计精度。

提出的方法

• 将原始的硬限幅系统模型替换为指数族中的等效分布，以避免计算一般象限概率。
• 利用指数族框架推导Fisher信息矩阵的悲观近似。
• 基于近似Fisher信息矩阵构建保守的Cramér-Rao下界（PCRLB）。
• 构造一个渐近达到PCRLB的保守最大似然估计器（CMLE）。
• 利用PCRLB与CMLE分析量化损失及阵列尺寸依赖性。
• 通过仿真验证该框架，显示CMLE性能在不同SNR和DOA条件下均紧密跟踪PCRLB。

实验结果

研究问题

• RQ1 能否为相关高斯信号的一比特DOA估计推导出一个保守且可分析的性能下界？
• RQ2 指数替换框架如何在不计算一般象限概率的情况下实现似然函数的近似？
• RQ3 增加一比特传感器数量（K）在多大程度上可缓解中等SNR范围内的性能损失？
• RQ4 能否构造一个渐近达到悲观CRLB的保守最大似然估计器？
• RQ5 量化损失如何依赖于SNR、DOA角度θ及阵列尺寸K？

主要发现

• 量化损失（以PCRLB与理想CRLB的比值衡量）随阵列尺寸K增大而显著降低，尤其在-10至0 dB SNR范围内。
• 当K=8且SNR = -15 dB时，量化损失随K线性趋近于零，表明在低SNR下大阵列可实现近乎理想性能。
• 在SNR = 0 dB时，当K ≥ 4，量化损失几乎与DOA参数θ无关，表现出对不同方向的鲁棒性。
• CMLE算法性能与PCRLB极为接近，仿真中的RMSE值在各SNR水平下均与理论下界一致。
• K增大带来的性能增益在中等SNR范围（如-10至0 dB）最为显著，这对能量效率高的大规模MIMO系统至关重要。
• 该框架即使在一般象限概率无闭式表达式的情况下，仍可实现一比特DOA估计的分析性性能评估与估计器设计。