Chapter 3.3.1 MP-OSIC 階段一:粗估計 (Coarse Detection)

§3.3.1.1 初始化與噪聲底估計

初始化設定:

給定接收訊號 \(\mathbf{y}[m] \in \mathbb{C}^{N_c}\) 和感測矩陣 \(\mathbf{X}_m \in \mathbb{C}^{N_c \times L}\),設定:

初始噪聲估計:

$$\hat{\mathbf{h}}^{(0)} = \mathbf{X}_m^H \mathbf{y}^{(0)}$$ $$P_{\text{noise}}^{(0)} = \text{mean}\left(\text{sorted}\left(|\hat{\mathbf{h}}^{(0)}|^2\right)[1:\lfloor 0.5L \rfloor]\right)$$
原理說明:在稀疏目標假設下,CIR中大部分位置只含噪聲。取最低50%功率樣本的平均值作為初始噪聲功率估計。

§3.3.1.2 迭代檢測 (Iterative Detection)

For \(i = 1, 2, \ldots, K_{\max}\):

Step 1:CIR估計與遮罩

計算當前CIR:

$$\hat{\mathbf{h}}^{(i)} = \mathbf{X}_m^H \mathbf{y}^{(i-1)}, \quad \hat{\mathbf{h}}_{\text{abs}}^{(i)} = |\hat{\mathbf{h}}^{(i)}|$$

定義搜尋遮罩(排除已檢測位置):

$$\text{mask}[\ell] = \begin{cases} 0, & \exists p \in \mathcal{S}^{(i-1)}: |\ell - p| \leq r_{\text{ex}} \\ 1, & \text{otherwise} \end{cases}$$

尋找遮罩後峰值:

$$\ell_i^* = \arg\max_{\ell} \left\{\text{mask}[\ell] \cdot \hat{\mathbf{h}}_{\text{abs}}^{(i)}[\ell]\right\}$$ $$a_i = \hat{\mathbf{h}}_{\text{abs}}^{(i)}[\ell_i^*]$$

Step 2:動態噪聲門檻估計

定義有效搜尋集合:

$$\mathcal{M}^{(i)} = \{\ell : \text{mask}[\ell] = 1\}$$

動態噪聲水平(使用最低30%樣本):

$$\sigma_n^{(i)} = \text{mean}\left(\hat{\mathbf{h}}_j^{(i)}\right) + 2 \cdot \text{std}\left(\hat{\mathbf{h}}_j^{(i)}\right)$$

其中 \(j \in\) 最低30%的 \(\mathcal{M}^{(i)}\) 元素

原理說明:動態噪聲門檻使用最低30%振幅樣本的「均值+2倍標準差」,因為稀疏假設下弱訊號區幾乎不含目標,而μ+2σ準則確保97.5%的噪聲不被誤判為目標。

Step 3:檢測決策

峰值-噪聲比計算:

$$\text{SNR}^{(i)} = 20\log_{10}\left(\frac{a_i}{\sigma_n^{(i)} + \epsilon}\right)$$

停止條件:

$$\text{if } \text{SNR}^{(i)} < \gamma_{\text{th}} \text{ then break}$$

§3.3.1.3 目標參數估計與OSIC消除

Step 4:複數幅度估計

提取感測矩陣第 \(\ell_i^*\) 列:

$$\mathbf{g}_i = \mathbf{X}_m[:, \ell_i^*]$$

最小二乘估計複數幅度:

$$\alpha_i = \frac{\mathbf{g}_i^H \mathbf{y}^{(i-1)}}{\mathbf{g}_i^H \mathbf{g}_i}$$

Step 5:OSIC訊號消除

構建單目標通道向量:

$$\mathbf{h}_{\text{temp}} = \alpha_i \cdot \mathbf{e}_{\ell_i^*}$$

其中 \(\mathbf{e}_{\ell_i^*}\) 為第 \(\ell_i^*\) 個標準單位向量

計算目標貢獻:

$$\mathbf{s}_i = \mathbf{X}_m \mathbf{h}_{\text{temp}} = \alpha_i \cdot \mathbf{g}_i$$

更新殘差:

$$\mathbf{y}^{(i)} = \mathbf{y}^{(i-1)} - \mathbf{s}_i$$
原理說明:OSIC通過精確重建並移除已檢測目標的完整貢獻,避免強目標旁瓣掩蓋弱目標,實現逐層剝離檢測。

Step 6:更新檢測集合

$$\mathcal{S}^{(i)} = \mathcal{S}^{(i-1)} \cup \{(\ell_i^*, \alpha_i)\}$$

Step 7:能量停止準則

殘差能量比:

$$\rho^{(i)} = \frac{\|\mathbf{y}^{(i)}\|_2^2}{\|\mathbf{y}^{(0)}\|_2^2}$$

停止條件:

$$\text{if } \rho^{(i)} < 10^{-3} \text{ then break}$$

End For

§3.3.1.4 階段一輸出

最終檢測結果:

$$\mathcal{S}_{\text{coarse}} = \{(c_k, \alpha_k^{\text{coarse}})\}_{k=1}^K$$

其中:

註:階段一的粗估計結果將作為階段二(迭代精煉)的初始值,進行更精確的參數優化。