[论文解读] CaSCADE: Compressed Carrier and DOA Estimation

Shahar Stein, Or Yair+2 more|arXiv (Cornell University)|Apr 10, 2016

Sparse and Compressive Sensing Techniques参考文献 31被引用 3

一句话总结

CaSCADE 提出了一种基于 L 形阵列的非奈奎斯特采样与重建系统，用于联合估计载波频率和到达方向（DOA），该系统采用均匀线性阵列（ULAs）结构，实现了宽带多带信号中高效频谱感知。与 MWC 相比，该方法在恢复精度和复杂度方面表现更优，并通过 ESPRIT 与压缩感知技术解决了频率与 DOA 之间的配对问题。

ABSTRACT

Spectrum sensing and direction of arrival (DOA) estimation have been thoroughly investigated, both separately and as a joint task. Estimating the support of a set of signals and their DOAs is crucial to many signal processing applications, such as Cognitive Radio (CR). A challenging scenario, faced by CRs, is that of multiband signals, composed of several narrowband transmissions spread over a wide spectrum each with unknown carrier frequencies and DOAs. The Nyquist rate of such signals is high and constitutes a bottleneck both in the analog and digital domains. To alleviate the sampling rate issue, several sub-Nyquist sampling methods, such as multicoset sampling or the modulated wideband converter (MWC), have been proposed in the context of spectrum sensing. In this work, we first suggest an alternative sub-Nyquist sampling and signal reconstruction method to the MWC, based on a uniform linear array (ULA). We then extend our approach to joint spectrum sensing and DOA estimation and propose the CompreSsed CArrier and DOA Estimation (CaSCADE) system, composed of an L-shaped array with two ULAs. In both cases, we derive perfect recovery conditions of the signal parameters (carrier frequencies and DOAs if relevant) and the signal itself and provide two reconstruction algorithms, one based on the ESPRIT method and the second on compressed sensing techniques. Both our joint carriers and DOAs recovery algorithms overcome the well-known pairing issue between the two parameters. Simulations demonstrate that our alternative spectrum sensing system outperforms the MWC in terms of recovery error and design complexity and show joint carrier frequencies and DOAs from our CaSCADE system's sub-Nyquist samples.

研究动机与目标

• 解决宽带多带信号感知中的高采样率瓶颈，特别是在认知无线电（CR）应用中。
• 克服现有非奈奎斯特方法（如 MWC）无法支持 DOA 估计的局限性。
• 从压缩的非奈奎斯特采样中实现未知载波频率与 DOA 的联合估计，而无需奈奎斯特率采样。
• 通过新型重建算法解决多带信号中频率与 DOA 之间的配对问题。
• 设计一种硬件复杂度更低、在低信噪比（SNR）环境下更具鲁棒性的实用系统。

提出的方法

• 提出一种基于 ULA 的非奈奎斯特采样前端，等效于每个传感器对应一个 MWC 通道，实现对宽带信号的压缩感知。
• 将 ULA 设计扩展为由两个正交 ULA 组成的 L 形阵列，共享原点处的一个公共传感器，以实现二维 DOA 估计。
• 基于感知矩阵的火花值与信号稀疏性，推导出载波频率与 DOA 完美恢复的充分条件。
• 开发两种重建算法：一种基于 ESPRIT 实现参数的解析估计，另一种采用压缩感知（如 OMP）实现稀疏向量恢复。
• 通过 PARAFAC 的三线性分解方法，从交叉相关矩阵中估计联合估计框架下的信号参数。
• 应用双线性模型将非奈奎斯特采样与原始信号参数关联，实现频率与 DOA 的联合恢复。

实验结果

研究问题

• RQ1 基于 ULA 的非奈奎斯特采样系统在多带信号的载波频率估计中是否优于 MWC？
• RQ2 如何从非奈奎斯特采样中实现载波频率与 DOA 的联合估计，且避免参数之间的配对模糊性？
• RQ3 在频谱感知与联合 DOA 估计场景下，可靠恢复 M 个信号传输所需的最少传感器数量是多少？
• RQ4 与现有方法（如 MWC 和基于 PARAFAC 的方法）相比，所提出的 CaSCADE 系统在低信噪比（SNR）条件下的性能如何？
• RQ5 ESPRIT 与压缩感知技术的结合是否能实现从压缩测量中鲁棒且精确的信号参数恢复？

主要发现

• CaSCADE 系统在载波频率与 DOA 估计中均表现出低于 MWC 的恢复误差，尤其在低信噪比（SNR）环境下表现更优。
• 频谱感知场景下完美恢复所需的最少传感器数为 2M，联合估计场景下为 2M+1，且在高概率下 M+1 个传感器已足够。
• 基于 ESPRIT 的算法在精度与鲁棒性方面优于压缩感知方法，尤其在低 SNR 条件下表现更佳。
• 基于 PARAFAC 的方法提供了可行的替代方案，但计算负载更高，且精度低于 ESPRIT 与 CS 方法。
• 系统在不同传感器数量与 SNR 水平下均保持稳定性能，且随着传感器数量增加，重建误差减小。
• 所提方法成功解决了载波频率与 DOA 之间的配对问题，避免了传统 JAFE 方法所需的迭代联合对角化过程。