Der Partielle Relaxationsansatz in der Richtungsschätzung: Entwurf und Analyse (PRIDE)
Zusammenfassung der Projektergebnisse
Das PRIDE-Projekt erzielte bedeutende Fortschritte im Bereich der Richtungsschätzung (DoA estimation), die für Anwendungen in Radar, Sonar, MIMO-Kommunikation, biomedizinischer Bildgebung und Spektralanalyse entscheidend ist. Traditionelle Methoden zur Mehrquellenschätzung wie das Maximum-Likelihood-Verfahren, Weighted Subspace Fitting und Kovarianz-Matching bieten zwar Schätzer mit hoher Auflösungsfähigkeit, die Verfahren sind jedoch rechnerisch sehr aufwändig. Einfachere Einzielverfahren, wie der MUSIC-Schätzer, sind hingegen rechengünstig. Sie zeigen jedoch in Szenarien mit schlecht separierten Quellen oder niedrigem Signal-Rausch-Abstand (SNR) lediglich schlechte Leistungen. Der kürzlich vorgestellte Partielle-Relaxations-(PR-)Ansatz bietet einen besseren Kompromiss zwischen der Qualität der Schätzungen und der Rechenkomplexität. Die grundlegende Idee des PR-Ansatzes besteht darin, während der Optimierung einen Teil des mehrdimensionalen Array-Manifolds zu relaxieren und dabei die Struktur des Steering-Vektors einer einzelnen Quelle beizubehalten. Ein Hauptziel von PRIDE war es, eine theoretische Grundlage für die hervorragende Schwellenleistung des PR-Ansatzes zu schaffen, die bislang nur in numerischen Experimenten belegt worden war. Im Rahmen von PRIDE leiteten wir die Cramér-Rao-Schranke (CRB) für das Partielle-Relaxations-Modell, d.h. die PR-CRB, her. Die Analyse der PR-CRB ergab sowohl neue Erkenntnisse über die Leistungsfähigkeit der PR-Verfahren, als auch bestehender Algorithmen, wie z.B. die des MUSIC-Schätzers, der ebenfalls der PR-CRB folgt. Zusätzlich untersuchten wir im Projekt die asymptotische Schätzqualität des PR-DML-Schätzers mithilfe der Theorie der Zufallsmatrizen (RMT). RMT betrachtet den asymptotischen Bereich, in dem sowohl die Anzahl der zeitlichen Beobachtungen als auch die Anzahl der Antennen im konstanten Verhältnis gegen unendlich streben. Interessanterweise gelten die asymptotischen Ergebnisse aus der RMT oft auch im nicht-asymptotischen Bereich, vor allem im wichtigen Schwellenbereich, d.h. in dem Bereich, in dem die Schätzer beginnen, nicht mehr zuverlässig zu funktionieren. Das statistische Verhalten der PR-DML-Kostenfunktion und ihre Schwankungen wurden charakterisiert, wobei gezeigt werden konnte, dass die Kostenfunktion zu einer gaußverteilten Zufallsvariablen konvergiert. Diese Ergebnisse führten zu einer exakten Beschreibung des Auflösungsvermögens des Schätzers und führten zur Entwicklung eines modifizierten PR-DML-Schätzers, der im speziellen asymptotischen Bereich konsistent ist. In dem Projekt beschäftigten wir uns mit der Erweiterung der PR-Verfahren für verteilte und teil-kalibrierte Sensorgruppen. In diesem Zusammenhang wurden effiziente Algorithmen für die dezentrale Eigenwertzerlegung entwickelt, die für die Implementierung von PR-Methoden in verteilten Sensorgruppen entscheidend sind. In Bezug auf die gemeinsame Detektion und Parameterschätzung wurde der PR-Ansatz ebenfalls auf Szenarien mit einer großen Anzahl von Quellen erweitert. In diesen Szenarien hat sich gezeigt, dass der konventionelle PR-Ansatz aufgrund der schlechten Approximationsgüte nur unzureichende Schätzungen liefert. Um diese Problematik zu überwinden, wurde daher ein neuer DoA-Schätzer basierend auf dem PR-Orthogonal-Least-Squares-WSF-Prinzip entwickelt, in dem die Quellen sequenziell geschätzt werden.
Projektbezogene Publikationen (Auswahl)
-
"Four Decades of Array Signal Processing Research: An Optimization Relaxation Technique Perspective", Presenters: Marius Pesavento, Minh Trinh-Hoang and Mats Viberg at the European Signal Processing Conference (EUSIPCO 2020) of the European Association for Signal Processing (EURASIP)
Marius Pesavento, Minh Trinh-Hoang & Mats Viberg
-
"Four Decades of Array Signal Processing Research: An Optimization Relaxation Technique Perspective," Presenters: Marius Pesavento, Minh Trinh-Hoang and Mats Viberg at the IEEE Sensor Array and Multichannel Signal Processing (SAM 2020)
Marius Pesavento, Minh Trinh-Hoang & Mats Viberg
-
Cramér-Rao Bound for DOA Estimators Under the Partial Relaxation Framework: Derivation and Comparison. IEEE Transactions on Signal Processing, 68, 3194-3208.
Trinh-Hoang, Minh; Viberg, Mats & Pesavento, Marius
-
A Partially-Relaxed Robust DOA Estimator Under Non-Gaussian Low-Rank Interference and Noise. ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 4365-4369. IEEE.
Trinh-Hoang, Minh; El Korso, Mohammed Nabil & Pesavento, Marius
-
Partially Relaxed Fourier Domain Direction of Arrival Estimation. 2021 29th European Signal Processing Conference (EUSIPCO), 1900-1904. IEEE.
Schenck, David; Trinh-Hoang, Minh & Pesavento, Marius
-
Probability of Resolution of G-MUSIC: An Asymptotic Approach. ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 4360-4364. IEEE.
Schenck, David; Mestre, Xavier & Pesavento, Marius
-
Probability of Resolution of Partially Relaxed Deterministic Maximum Likelihood: An Asymptotic Approach. IEEE Transactions on Signal Processing, 69, 852-866.
Schenck, David; Mestre, Xavier & Pesavento, Marius
-
"Development and Performance Analysis of Direction-of-Arrival Estimators," Ph.D. dissertation, Technische Universität Darmstadt, 2022
D. Schenck
-
Partially Relaxed Orthogonal Least Squares Weighted Subspace Fitting Direction-of-Arrival Estimation. ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 5028-5032. IEEE.
Schenck, David; Lubbe, Katja; Trinh-Hoang, Minh & Pesavento, Marius
-
Probability of Resolution of MUSIC and g-MUSIC: An Asymptotic Approach. IEEE Transactions on Signal Processing, 70, 3566-3581.
Schenck, David; Mestre, Xavier & Pesavento, Marius
-
A Sequential Partial Relaxation-Based Technique for Automotive MIMO Radar Imaging. 2023 31st European Signal Processing Conference (EUSIPCO), 805-809. IEEE.
Trinh-Hoang, Minh; Karam, Dani; Rachkov, Dmytro & Pesavento, Marius
-
Decentralized Eigendecomposition for Online Learning Over Graphs With Applications. IEEE Transactions on Signal and Information Processing over Networks, 9, 505-520.
Fan, Yufan; Trinh-Hoang, Minh; Ardic, Cemil Emre & Pesavento, Marius
-
Joint Sparse Estimation with Cardinality Constraint via Mixed-Integer Semidefinite Programming. 2023 IEEE 9th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP), 106-110. IEEE.
Liu, Tianyi; Matter, Frederic; Sorg, Alexander; Pfetsch, Marc E.; Haardt, Martin & Pesavento, Marius
-
Preserving Privacy in Distributed LASSO. 2023 IEEE 9th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP), 456-460. IEEE.
Zhang, Wen; Fan, Yufan & Pesavento, Marius
-
Three More Decades in Array Signal Processing Research: An optimization and structure exploitation perspective. IEEE Signal Processing Magazine, 40(4), 92-106.
Pesavento, Marius; Trinh-Hoang, Minh & Viberg, Mats
-
Tail-STELA for Fast Signal Recovery via Basis Pursuit. 2024 IEEE 13rd Sensor Array and Multichannel Signal Processing Workshop (SAM), 1-5. IEEE.
Fan, Yufan & Pesavento, Marius
