22091

طراحي و پياده سازي يك سيستم هوشمند مقابله با اختلال با استفاده از پردازش آرايه آنتني

كارشناسي ارشد

مدارهاي مجتمع الكترونيك

1396-1399

1399/1/31

دكتر سيد محمدرضا موسوي ميركلايي

برق

شكل دهي پرتو يكي از انواع پردازش‌هاي آرايه آنتني محسوب مي‌شود كه در آن در جهت سيگنال مطلوب بهره بزرگ و در جهت تداخل بهره كم ايجاد مي‌شود تا نسبت سيگنال به نويز و تداخل (SINR) افزايش يابد. براي ايجاد الگوي بهره‌ي بهينه بايد بردار وزن بهينه در بردار سيگنال دريافتي ضرب شود. بردار وزن بهينه عموما بر اساس معيارهايي مانند كمينه ميانگين مربعات خطا (MMSE) و پاسخ كمينه واريانس غيراعوجاجي (MVDR) محاسبه مي‌شود. براي محاسبه بردار وزن بهينه بر اساس اين معيارها، بايد به جهت رسيدن سيگنال مطلوب (DoA) و يا يك دنباله آموزشي دسترسي داشته باشيم. اما در كاربردهاي عملي عموما، DoA سيگنال مطلوب و يا دنباله آموزشي در دسترس نمي‌باشد. در اين پايان‌نامه، سه طرح مبتني بر شبكه هاي عصبي عميق براي تخمين سيگنال مطلوب در حضور نويز و تداخل معرفي شده است. بر خلاف شكل‌دهنده‌هاي پرتوي MMSE و MVDR، طرح‌هاي مذكور نيازي به اطلاعات قبلي درباره‌ي DoA سيگنال مطلوب و يا دنباله آموزشي ندارند. از طرفي، SINR خروجي اين تخمين‌گرها در حدود 10dB بيشتر از شكل‌دهنده‌هاي پرتوي MMSE و MVDR مي‌باشد. همچنين، اين تخمين‌گرها در حضور خطاهاي موجود در ماتريس خودهمبستگي سيگنال دريافتي، عملكرد بهتري را نسبت به روش‌هاي MMSE و MVDR از خود نشان مي‌دهند. نتيجه شبيه‌سازي‌ها حاكي از عملكرد مطلوب تخمين‌گرهاي عصبي مي‌باشد به گونه‌اي كه حتي در زماني كه نسبت تداخل به سيگنال ورودي (ISR) به بزرگي 34dB و نسبت سيگنال به نويز ورودي (SNR) به كوچكي -15dB مي‌باشد، قادر است كه سيگنال مطلوب را تخمين بزند. بنابراين مي‌توان از اين تخمين‌گرها به عنوان جايگزين‌هايي قابل‌اطمينان براي روش‌هاي رايج مانند MMSE و MVDR ياد نمود.

1399/04/02

Design and Implementation of an Intelligent Interference Mitigation System using Antenna Array Processing

4/20/2021 12:00:00 AM

Antenna arrays have been widely used for space and space-time processing in order to estimate the desired signals in the presence of narrowband and wideband interferences. Estimating the optimal weight vector is a challenging problem in space and space-time processing due to its high computational complexity. The problem escalates when the number of antennas and taps of filters for time-domain processing increases. In this thesis, deep neural network (DNNs) are employed to estimate nearly-optimal weight vectors even when the number of available snapshots of the received signal is in the order of hundreds (200 for space processing and 800 for space-time processing) and a signal to noise ratio (SNR) as low as -8dB. Unlike the conventional processors, our proposed method requires no prior knowledge about direction of arrival (DOA) of the desired signal. In addition, due to their parallel architecture, the computational complexity of the neural processors is reasonable using a single GPU unit on a PC to run the algorithms. Through simulations of uniform linear array (ULA) antenna arrays in the presence of narrowband and wideband interferences, we demonstrate that the output signal to interference plus noise (SINR) is very close (by less than 0.5 dB) to the max SINR obtained by the optimal weight vector of antenna arrays.