[论文解读] Sensor Array Design Through Submodular Optimization

Gal Shulkind, Stefanie Jegelka+1 more|arXiv (Cornell University)|May 18, 2017

RFID technology advancements参考文献 33被引用 4

一句话总结

本文提出了一种子模优化框架，用于在远场感知中利用场景先验知识设计传感器阵列几何结构。通过将阵列设计建模为子模最大化问题，该方法保证了具有常数因子近似性的近似最优解，从而实现了高效、受约束的阵列设计，在稀疏性和孔径约束下优于传统的均匀或启发式方法。

ABSTRACT

We consider the problem of far-field sensing by means of a sensor array. Traditional array geometry design techniques are agnostic to prior information about the far-field scene. However, in many applications such priors are available and may be utilized to design more efficient array topologies. We formulate the problem of array geometry design with scene prior as one of finding a sampling configuration that enables efficient inference, which turns out to be a combinatorial optimization problem. While generic combinatorial optimization problems are NP-hard and resist efficient solvers, we show how for array design problems the theory of submodular optimization may be utilized to obtain efficient algorithms that are guaranteed to achieve solutions within a constant approximation factor from the optimum. We leverage the connection between array design problems and submodular optimization and port several results of interest. We demonstrate efficient methods for designing arrays with constraints on the sensing aperture, as well as arrays respecting combinatorial placement constraints. This novel connection between array design and submodularity suggests the possibility for utilizing other insights and techniques from the growing body of literature on submodular optimization in the field of array design.

研究动机与目标

• 解决传统阵列设计方法忽略远场场景先验信息的局限性。
• 将传感器阵列几何结构设计建模为结合场景贝叶斯先验的组合优化问题。
• 利用子模优化理论，开发具有理论近似保证的高效算法用于阵列设计。
• 在固定孔径或组合式布放限制等约束条件下实现实际可用的阵列设计。

提出的方法

• 将阵列设计问题建模为最大化估计场景与传感器测量之间互信息的问题，证明该函数具有子模性。
• 采用贪心算法，按顺序选择传感器位置以最大化条件互信息，确保获得最优解的 (1 - 1/e) 近似。
• 将场景建模为具有已知协方差结构的高斯过程，从而通过协方差矩阵的行列式实现互信息的解析计算。
• 推导出在已有传感器条件下，传感器测量条件方差的闭式表达式，从而实现高效的贪心选择。
• 将该框架应用于两种关键场景：固定孔径阵列和组合式布放约束阵列。
• 证明在高信噪比和特定空间先验条件下，贪心算法收敛至以原点为中心、间距为 λ/2 的网格对齐解，与理论波束成形极限一致。

实验结果

研究问题

• RQ1 子模优化能否有效应用于传感器阵列几何结构设计，以整合先验场景知识？
• RQ2 如何将阵列设计建模为子模最大化问题，以确保理论性能保证？
• RQ3 当具备关于场景稀疏性或平滑性的先验知识时，最优阵列几何结构具有何种结构性质？
• RQ4 在现实感知约束下，子模最大化贪心算法是否能产生近似最优的阵列配置？
• RQ5 该框架能否在满足孔径或布放约束的前提下，生成性能接近理论极限（如 λ/2 间距）的阵列？

主要发现

• 估计场景与传感器测量之间的互信息是子模函数，支持具有理论保证的高效优化。
• 贪心算法实现了最优解的 (1 - 1/e) ≈ 63% 近似因子，确保在多项式时间复杂度下达到近似最优。
• 在高信噪比和光滑性先验条件下，贪心算法选择的传感器位置位于以原点为中心、间距为 λ/2 的网格上，与最优波束成形配置一致。
• 该方法能够高效设计具有固定孔径或组合式布放约束的阵列，优于传统均匀或启发式设计。
• 理论分析表明，传感器测量的条件方差随每次贪心选择单调递减，证实了收益递减特性与子模行为。
• 该框架可推广至多种场景先验，并可扩展至压缩感知与波束成形应用，具备强大的性能保证。