[论文解读] Fast-MUSIC for Automotive Massive-MIMO Radar

Bin Li, Shuseng Wang+3 more|arXiv (Cornell University)|Nov 18, 2019

Radar Systems and Signal Processing参考文献 46被引用 4

一句话总结

本文提出 fast-MUSIC，一种面向汽车大规模MIMO雷达的计算高效型MUSIC算法变体，通过随机低秩逼近技术将子空间计算速度提升数个数量级，同时保持高分辨率波达方向（AoA）估计精度。该方法与传统MUSIC相比，实现了近乎精确的伪谱性能，使移动和汽车应用中的实时高分辨率感知成为可能。

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.

研究动机与目标

• 解决传统子空间方法（如MUSIC）在大规模MIMO雷达系统中计算复杂度过高的问题。
• 为汽车和无人车辆应用实现实时、高分辨率的波达方向（AoA）估计。
• 开发一种计算高效的MUSIC替代方法，在实际信噪比（SNR）条件下仍保持高估计精度。
• 开展理论分析，以界定低秩逼近引入的误差，确保伪谱的可靠性。

提出的方法

• 利用随机低秩逼近技术，加速MUSIC算法中信号子空间的计算。
• 采用随机采样和投影技术，降低协方差矩阵的维度，同时保留关键的谱信息。
• 通过一个更小的随机投影矩阵构建近似信号子空间，显著降低计算成本。
• 在近似子空间上应用MUSIC算法，以估计伪谱并实现AoA估计。
• 推导近似误差的理论边界，以保证所得伪谱的准确性。
• 该方法保持MUSIC的结构，但用在缩减矩阵上的快速随机SVD替代完整的SVD计算。

实验结果

研究问题

• RQ1 随机低秩逼近能否在不牺牲AoA估计精度的前提下，有效加速大规模MIMO雷达中的MUSIC算法？
• RQ2 在基于MUSIC的AoA估计背景下，低秩逼近引入的误差具有怎样的理论边界？
• RQ3 在高信噪比条件下，fast-MUSIC与传统MUSIC在分辨率和计算效率方面的性能对比如何？
• RQ4 在保持接近最优伪谱精度的前提下，MUSIC的计算复杂度最多可降低多少？

主要发现

• 所提出的fast-MUSIC方法在子空间计算方面相比传统MUSIC实现了多个数量级的速度提升。
• 在高信噪比（SNR）条件下，fast-MUSIC的伪谱与精确MUSIC几乎完全一致，表明AoA估计精度近乎相同。
• 理论边界分析表明，近似误差保持在较小范围内，确保了伪谱估计的可靠性和准确性。
• 全面的数值研究证明，fast-MUSIC在显著提升速度的同时，AoA估计性能几乎与MUSIC完全一致。
• 该方法使大规模MIMO雷达系统能够实现实时、高分辨率感知，适用于动态的汽车和无人车辆应用。