27073

جهت يابي منابع باند پهن بر اساس تنكي فضايي به روش حسگري فشرده پيوسته

دكتري

برق مخابرات سيستم

1401

1401/4/26

محمد حسين كهايي

برق

تخمين جهت منابع باند پهن، به دليل كاربرهاي فراواني كه دارد، همواره مورد توجه بوده است. در حالت باندپهن، اطلاعات جهت منابع در كل باند تكرار مي شود كه با استخراج اين اطلاعات مي توان جهت يابي نمود. متداول ترين راه براي اين كار تقسيم سيگنال منابع باند پهن به چند زير باند باريك و استفاده از اطلاعات مشترك موجود در اين زيرباندها براي جهت يابي مي باشد. مهم ترين مساله در تخمين جهت منابع باند پهن، نحوه ي تركيب اطلاعات موجود در زيرباندهاي مختلف است كه عمدتا با نگاشت اين زيرباندها به يك زيرباند مرجع صورت مي گيرد. روش هاي متداول موجود براي اين منظور نياز به تخمين اوليه از جهت ها دارند. در بسياري از كاربردها امكان برخورداري از تخمين اوليه وجود ندارد. همچنين وجود خطا در اين تخمين اوليه بر دقت تخمين نهايي اثرگذار است. علاوه بر مشكل تخمين اوليه، روش هاي متداول نيازمند اسنپ شات هاي فركانسي فراوان از زيرباندها مي باشند تا دقت مناسبي ارائه دهند. همچنين هر چه جهت منابع به هم نزديك تر باشد، قدرت تمايز اين جهت ها در اين روش ها كاهش مي يابد. هدف اصلي اين رساله ارائه روش هايي براي افزايش دقت تخمين جهت منابع باند پهن برپايه ي روش هاي فراتفكيك پذير است. براي بي نيازي به تخمين اوليه و مشكلات ناشي از آن، روش نگاشت جديدي را پيشنهاد مي كنيم. سپس با كمك اين نگاشت، با تعريف فضاي اتمي جديد و نورم اتمي متناظر، به حل مساله ي تخمين جهت منابع باند پهن به روش فراتفكيك پذيري مي پردازيم. از آن جا كه روش هاي فراتفكيك پذير براي آرايه¬هاي خطي يكنواخت مناسب است، در ادامه ي رساله يك روش فراتفكيك پذير جديد ديگري پيشنهاد مي كنيم كه علاوه بر قابل استفاده بودن براي آرايه هاي خطي دلخواه، به هيچ نگاشتي احتياج ندارد. روش هاي فراتفكيك پذيري پيشنهادي در اين رساله، به گونه اي مطرح شده اند كه بتوان اين مسائل را با استفاده از الگوريتم هاي شناخته شده همچون بهينه سازي نيمه معين حل نمود. اين روش ها با روش هاي متداول زيرفضايي همدوس، روش هاي برپايه ي تست متعامد بودن زيرفضاهاي نگاشت شده و روش هاي برپايه ي يادگيري بيزين تنك مقايسه مي شوند. شبيه سازي ها نشان مي دهد كه روش هاي پيشنهادي نسبت به روش هاي گذشته دقت بالاتري را ارائه مي دهند و همچنين نسبت به نويز مقاوم ترند. از همه مهم تر اين روش ها نياز به اسنپ شات هاي فركانسي زيادي ندارند و با يك اسنپ شات نيز عملكرد بهتري نسبت به روش هاي گذشته دارند. علاوه براين، براي منابع با جهت هاي نزديك به هم، روش هاي پيشنهادي احتمال بالايي را در تخمين صحيح جهت ها دارا هستند.

1401/07/03

Direction Of Arrival Estimation Of Wideband Sources Based on Spatial Sparsity using Continuous Compressive Sensing

7/17/2023 12:00:00 AM

Wideband Direction Of Arrival (DOA) estimation is popular due to its application in several fields. In the wideband case, the direction information is repeated in the whole frequency band, which can be exploited for DOA estimation. A well-known approach for wideband DOA estimation is to decompose the wideband frequency spectrum into multiple narrowbands and use the joint information of these subbands. However, the major problem is how to combine the joint information of these narrowbands. This is conventionally done by focusing the narrowbands on a reference subband, which of course requires initial estimates of directions. In many applications, however, initial estimates are not available in advance and also inaccurate initial estimates affect the accuracy of final DOA estimates. In addition, conventional methods need a large number of frequency snapshots to generate highly accurate estimates. Also, for close adjacent sources, the effectiveness of these methods reduces. In this thesis, we propose new methods to increase the accuracy of DOA estimation of wideband sources based on super-resolution theory. Accordingly, we develop a new focusing method with no need for initial estimates. By using this focusing method, we define a new atomic set and the corresponding atomic norm to solve the problem of the wideband DOA estimation in a super-resolution aspect. As the super-resolution methods are successfully applied to uniform linear arrays, in this thesis, we propose a new super-resolution method applied to arbitrary linear arrays with no need for the focusing procedure. The proposed super-resolution methods are solved by semidefinite programming. The proposed methods are compared with some well-known conventional methods including the coherent signal subspace method, the test of orthogonality of projected subspaces method, and the sparse Bayesian learning method. Numerical simulations show that the proposed methods achieve much higher accuracy and more robustness to noise compared to the conventional ones. Also, the proposed methods need no large number of frequency snapshots and generate more accurate DOA estimates even for one snapshot. In addition, they show a higher probability of successful estimation for close sources.

تخمين جهت منابع , بازيابي تنك , فراتفكيك پذيري , نورم اتمي , بهينه سازي نيمه معين

direction of arrival , sparse recovery , super-resolution , atomic norm , semidefinite programming

Milad Javadzadeh

Mohammad Hossein Kahaei