[论文解读] Diagonal Unloading Beamforming for Source Localization

Daniele Salvati, Carlo Drioli+1 more|arXiv (Cornell University)|May 3, 2016

Speech and Audio Processing参考文献 21被引用 6

一句话总结

本文提出了一种对角卸载（Diagonal Unloading, DU）波束成形方法，这是一种数据相关的协方差矩阵条件化方法，通过从协方差矩阵的对角线上减去白噪声功率，以强制实现负定性并消除信号子空间，从而增强传统波束成形。该方法在保持传统波束成形计算复杂度的同时，实现了MVDR和MUSIC级别的定位精度，为噪声环境或低信噪比（SNR）条件下的源定位提供了一种鲁棒且高效的替代方案。

ABSTRACT

In sensor array beamforming methods, a class of algorithms commonly used to estimate the position of a radiating source, the diagonal loading of the beamformer covariance matrix is generally used to improve computational accuracy and localization robustness. This paper proposes a diagonal unloading (DU) method which extends the conventional response power beamforming method by imposing an additional constraint to the covariance matrix of the array output vector. The regularization is obtained by subtracting a given amount of white noise from the main diagonal of the covariance matrix. Specifically, the DU beamformer aims at subtracting the signal subspace from the noisy signal space and it is computed by constraining the regularized covariance matrix to be negative definite. It is hence a data-dependent covariance matrix conditioning method. We show how to calculate precisely the unloading parameter, and we present an eigenvalue analysis for comparing the proposed DU beamforming, the minimum variance distortionless response (MVDR) filter and the multiple signal classification (MUSIC) method. Theoretical analysis and experiments with acoustic sources demonstrate that the DU beamformer localization performance is comparable to that of MVDR and MUSIC. Since the DU beamformer computational cost is comparable to that of a conventional beamformer, the proposed method can be attractive in array processing due to its simplicity, effectiveness and computational efficiency.

研究动机与目标

• 在实际噪声环境中提升传统波束成形在源定位中的鲁棒性和分辨率。
• 解决MVDR波束成形中对角加载的局限性，特别是惩罚权重选择的任意性。
• 开发一种数据相关的正则化方法，以增强子空间正交性，且无需估计源信号数量。
• 在保持低计算复杂度的同时，实现与MUSIC和MVDR相当的高分辨率定位性能。

提出的方法

• DU波束成形通过从阵列协方差矩阵的主对角线减去一个与数据相关的白噪声量来正则化协方差矩阵。
• 正则化过程施加两个约束：正则化后的协方差矩阵必须为负定，且信号子空间的特征值必须恰好为零。
• 卸载参数通过信号特征值和噪声功率的解析表达式推导得出，确保最优的信号子空间去除。
• 该方法利用特征值分解分离信号子空间与噪声子空间，从而实现高分辨率波束图形成。
• 波束成形响应功率通过正则化协方差矩阵计算，生成的空间谱与MVDR和MUSIC相似。
• 该方法计算效率高，复杂度与传统波束成形相当，因其无需迭代优化或源信号数量估计。

实验结果

研究问题

• RQ1 如何在不增加计算成本的前提下，提升传统波束成形以实现高分辨率源定位？
• RQ2 何种最优的数据相关正则化策略能够强制实现子空间正交性，并提升对协方差矩阵估计误差的鲁棒性？
• RQ3 在低SNR和单快照条件下，所提出的对角卸载方法与MVDR和MUSIC在定位精度和鲁棒性方面有何比较？
• RQ4 DU波束成形是否能在无需源信号数量估计或复杂参数调优的情况下，实现与MUSIC相当的性能？
• RQ5 DU方法中卸载参数的理论依据是什么？其与协方差矩阵特征结构有何关系？

主要发现

• 在模拟和真实声学场景中，DU波束成形在信噪比（SNR）范围为-10 dB至20 dB时，实现了与MVDR和MUSIC相当的定位性能。
• 在单快照条件下，DU、MVDR和MUSIC的均方根误差（RMSE）均为12.448°，表明其对数据有限具有强鲁棒性。
• 在5个快照条件下，DU的RMSE最低（6.667°），优于MVDR（7.568°）和MUSIC（6.894°），在真实数据实验中表现更优。
• 在10个快照条件下，MUSIC略优于DU（RMSE分别为4.962°和4.980°），但差异可忽略，表明两者性能近乎相等。
• DU方法对协方差矩阵估计误差具有鲁棒性，且无需启发式参数调优，而MVDR结合对角加载则存在此类问题。
• 理论分析表明，在无噪声、单源条件下，DU波束成形的空间谱与MVDR在尺度因子意义下完全等价，验证了其在子空间正交性基础上的理论合理性。