한국음향학회지 (The Journal of the Acoustical Society of Korea)

  • 제38권5호
  • /
  • Pages.534-542
  • /
  • 2019
  • /
  • 1225-4428(pISSN)
  • /
  • 2287-3775(eISSN)
한국음향학회 (The Acoustical Society of Korea)
권호 표지
DOI QR코드

DOI QR Code

거리-도플러 추정을 위한 압축 센싱 알고리즘의 계산 성능과 정확도

Computational performance and accuracy of compressive sensing algorithms for range-Doppler estimation

  • 이현규 (세종대학교 국방시스템공학과) ;
  • 이근화 (세종대학교 국방시스템공학과) ;
  • 홍우영 (세종대학교 국방시스템공학과) ;
  • 임준석 (세종대학교 전자정보통신공학과) ;
  • 정명준 (국방과학연구소)
  • 투고 : 2018.10.24
  • 심사 : 2019.06.18
  • 발행 : 2019.09.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

능동소나에서는 표적의 거리 도플러 정보를 탐지하기 위해 여러 가지 기법을 사용한다. 그중 압축 센싱을 적용한 기법은 기존의 방식보다 더욱 정밀한 탐지가 가능하며 우수한 성능을 나타낸다. 능동 소나의 거리 도플러 추정에 적용할 수 있는 압축 센싱 알고리즘은 여러 가지 있다. 압축 센싱 알고리즘 마다 계산 성능이 다르며 압축 센싱 알고리즘에 따라 신호 대 잡음비와 센싱 행렬의 코히런스가 거리 도플러 추정에 미치는 영향의 정도가 다르다. 본 논문은 능동 소나의 거리 도플러 추정을 위한 여러 가지 압축 센싱 알고리즘의 계산 성능과 정확도를 비교, 분석하였다. 여러 신호대 잡음비, 상호간섭성 값에 대한 OMP(Orthogonal Matching Pursuit), CoSaMP(Compressive Sampling Matching Pursuit), BPDN(CVX)(Basis Pursuit Denoising), LARS(Least Angle Regression) 알고리즘의 추정 성능을 확인하였으며, 상황에 따른 최적의 압축 센싱 알고리즘을 보인다.

In active SONAR, several different methods are used to detect range-Doppler information of the target. Compressive sensing based method is more accurate than conventional methods and shows superior performance. There are several compressive sensing algorithms for range-Doppler estimation of active sonar. The ability of each algorithm depends on algorithm type, mutual coherence of sensing matrix, and signal to noise ratio. In this paper, we compared and analyzed computational performance and accuracy of various compressive sensing algorithms for range-Doppler estimation of active sonar. The performance of OMP (Orthogonal Matching Pursuit), CoSaMP (Compressive Sampling Matching Pursuit), BPDN (CVX) (Basis Pursuit Denoising), LARS (Least Angle Regression) algorithms is respectively estimated for varying SNR (Signal to Noise Ratio), and mutual coherence. The optimal compressive sensing algorithm is presented according to the situation.

키워드

참고문헌

  1. D. L. Donoho, "Compressed sensing," IEEE Trans. Inf. Theory, 52, 1289-1306 (2006). https://doi.org/10.1109/TIT.2006.871582
  2. E. J. Candès, J. Romberg, and T. Tao, "Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information," IEEE Trans. Inf. Theory, 52, 489-509 (2006). https://doi.org/10.1109/TIT.2005.862083
  3. E. J. Candes, M. Rudelson, T. Tao, and R. Vershynin, "Error correction via linear programming." FOCS 295-308 (2005).
  4. D. Needell and J. A. Tropp, "CoSaMP: Iterative signal recovery from incomplete and inaccurate samples," Applied and Computational Harmonic Analysis, 26, 301-321 (2009). https://doi.org/10.1016/j.acha.2008.07.002
  5. M. L. Grant and P. B. Stephen, "CVX research," cvxr.com, 2012.
  6. E. J. Candes and J. Romberg, "Sparsity and incoherence in compressive sampling," Inverse Problems, 23, 969-985(2007). https://doi.org/10.1088/0266-5611/23/3/008
  7. B. Efron, T. Hastie, I. Johnstone, and R. Tibshirani, "Least angle regression," Ann. Statist., 32, 407-499 (2004). https://doi.org/10.1214/009053604000000067
  8. T. A. Tropp and A. C. Gilbert, "Signal recovery from random measurements via orthogonal matching pursuit," IEEE Trans. Inf. Theory, 53, 4655-4666 (2007). https://doi.org/10.1109/TIT.2007.909108
  9. D. Needell and R. Vershynin, "Uniform uncertainty principle and signal recovery via regularized orthogonal matching pursuit," Foundations of Computational Mathematics, 9, 317-334 (2009). https://doi.org/10.1007/s10208-008-9031-3
  10. Y. E. Nesterov and A. S. Nemirovski, "Interior point polynomial algorithms in convex programming." SIAM, 13 (1994).
  11. D. L. Donoho and Y. Tsaig, "Fast solution of L1- norm minimization problems when the solution may be sparse," IEEE Trans. Inf. Theory, 54, 4789-4812 (2008). https://doi.org/10.1109/TIT.2008.929958