高分解能センシングにおけるロバストビームフォーミングとその応用

本稿では、データの不確実性に対するロバスト性を高めるために、ビームフォーミング技術に正則化を導入することの重要性を論じています。具体的には、データ分布のばらつきに対して安定した性能を発揮する「ロバストビームフォーマ」の概念を定義し、その実現方法として、局所的/大域的ロバストビームフォーミング、正則化ビームフォーミング、ベイジアンノンパラメトリックビームフォーミングの4つの技術的アプローチを提示しています。さらに、これらのアプローチ間の同等性を明らかにし、統一的なロバストビームフォーミングの枠組みを提案しています。加えて、MUSIC法の特性をロバストビームフォーマに組み込むことで、到来角推定の分解能を大幅に向上できることを示しています。