다중단계 지식보강 반복 ESPRIT 기반 고정밀 DOA 추정 기법

본 논문은 제한된 스냅샷 수와 저신호대잡음비(SNR) 환경에서 전통적인 서브스페이스 기반 방향추정(DoA) 기법이 겪는 공분산 행렬 추정 오류 문제를 해결하기 위해 ‘다중단계 지식보강 반복 ESPRIT(MS‑KAI‑ESPRIT)’을 제안한다. 1. **배경 및 문제점** - MUSIC, ROOT‑MUSIC, ESPRIT 등 고해상도 DoA 추정 기법은 입력 데이터의 공분산 행렬 고유구조를 이용한다. 그러나 스냅샷 수 N이 센서 수 M에 비해 작거나 SNR이 낮을 경우, 샘플 공분산 행렬 ˆR은 실제 R과 크게 차이 나며, 특히 신호와 잡음 사이의 상관 항(불필요 항)이 비정상적으로 커져 서브스페이스 분리가 왜곡된다. - 기존의 대각 로딩, 수축(shrinkage), 전/후방 평균, 공간 스무딩 등은 잡음 항을 강화하거나 샘플 수를 늘리는 방식이지만, 고유벡터 자체를 바꾸지는 못한다. 2. **알고리즘 설계** - ˆR을 전개하면 네 항이 나오며, 마지막 두 항이 신호·노이즈 상관 항이다. 이 항들을 ‘불필요 항’이라 정의하고, 이를 단계적으로 감소시키는 것이 핵심이다. - 초기 단계에서 ESPRIT을 적용해 DOA를 추정하고, 해당 DOA에 대응하는 스테어링 벡터로 Vandermonde 행렬 ˆA를 만든다. 최소제곱법을 이용해 각 스냅샷의 신호 파워 ˆs(i)를 추정하고, 잔차를 통해 노이즈 ˆn(i)를 구한다. - 불필요 항 V(n)=ˆA(1/N∑ˆs(i)ˆn⁺(i))를 계산하고, 신뢰도 계수 µ∈