Conventional methods for DOA estima

Conventional methods for DOA estimation are based on the concepts of beamforming and null steering and do not exploit the statistics of the received signal. In this technique, the DOA of all the signals is determined from the peaks of the output power spectrum obtained from steering the beam in all possible directions. Examples of conventional methods are the delay-and-sum method (classical beamformer method or Fourier method) and Capon’s minimum variance method. One major disadvantage of the delay-and-sum method is its poor resolution; that is, the width of the main beam and the height of the sidelobes limit its ability to separate closely spaced signals [27]. On the other hand, Capon’s minimum variance technique tries to overcome the poor resolution problem associated with the delay-and-sum method, and in fact, it gives a significant improvement. Although it provides better resolution, Capon’s method fails when the SNOIs are correlated with the SOI. Unlike conventional methods, subspacemethods exploit the structure of the received data, resulting in a dramatic improvement in resolution. Two main algorithms that fall into this category are the MUltiple SIgnal Classification (MUSIC) algorithm and the Estimation of Signal Parameters via Rotational Invariance Technique (ESPRIT). In 1979, Schmidt proposed the conventional MUSIC algorithm that exploited the eigenstructure of the input covariance matrix [38]. This algorithm provides information about the number of incident signals, DOA of each signal, strengths and cross correlations between incident signals, and noise powers. Like many algorithms, the conventional MUSIC possesses drawbacks. One of the drawbacks is that it requires very precise and accurate array calibration. Another drawback is that, if the impinging signals are highly correlated, it fails because the covariance matrix of the received signals becomes singular. And lastly, it is computationally intensive. To improve the conventional MUSIC algorithm further, several attempts were made to increase its resolution performance and decrease its computational complexity. In 1983, Barabell developed the Root-MUSIC algorithm based on polynomial rooting and provided higher resolution; its drawback was that it was applicable only to uniformly spaced linear arrays [39]. In 1989, Schmidt proposed the Cyclic MUSIC, a selective direction finding algorithm, which exploited the spectral coherence properties of the received signal and made it possible to resolve signals spaced more closely than the resolution threshold of the array. Moreover, the Cyclic MUSIC also avoids the requirements that the total number of signals impinging on the array must be less than the number of sensor elements [40]. Then, in 1994, Xu presented the Fast Subspace Decomposition (FSD) technique to decrease the computational complexity of the MUSIC algorithm [41]. In a signal environment with multipath, where the signals received are highly correlated, the performance of MUSIC degrades severely. To overcome such a detriment, a technique called spatial smoothing was applied to the covariance matrix [42], [43]. The ESPRIT algorithm is another subspace-based DOA estimation technique originally proposed by Roy [44]. Because ESPRIT has several advantages over MUSIC, such as that it
1. is less computationally intensive, 2. requires much less storage, 3. does not involve an exhaustive search through all possible steering vectors to estimate the DOA, and 4. does not require the calibration of the array,
ANTENNA BEAMFORMING 965
it has become the algorithm of choice. It is also used in the computer program, designated as DOA, which is found in the attached CD, to determine the directions of arrival for linear and planar array designs of isotropic sources. Since its conception, the ESPRIT has evolved into the 2-D Unitary ESPRIT [45] and the Equirotational Stack ESPRIT (ES-ESPRIT) [46], a more accurate version of the ESPRIT. The corresponding READ ME file explains the details of the program. Maximum Likelihood (ML) techniques were some of the first techniques to be investigated for DOA estimation, but they are less popular than suboptimal subspace techniques because ML methods are computationally intensive. However, ML techniques outperform the subspace-based techniques in low SNR and in correlated signal environment [47]. The final category of DOA algorithms is the integrated technique that combines the property-restoral method with the subspace-based approach. A property-restoral technique is the Iterative Least Squares Projection Based Constant Modulus Algorithm (ILSP-CMA), a data-efficient and cost-efficient approach that is used to detect the envelope of the received signals and overcome many of the problems associated with the Multistage CMA algorithms [48]. In 1995, Xu and Lin [49] proposed a new scheme that integrated ILSP-CMA and the subspace DOA approach. With an M-element antenna array, this scheme can estimate up to 2M2/3 DOAs of direct path and

Kết quả (Việt) 1:

Các phương pháp thông thường cho DOA dự toán dựa trên các khái niệm beamforming và điều khiển null và không khai thác số liệu thống kê của các tín hiệu nhận được. Trong kỹ thuật này, DOA tất cả các tín hiệu được xác định từ các đỉnh núi của sản lượng điện quang phổ thu được từ Ban chỉ đạo các chùm tia trong tất cả các hướng dẫn có thể. Ví dụ về các phương pháp thông thường là phương pháp chậm trễ và sum (beamformer cổ điển phương pháp hay phương pháp Fourier) và phương pháp tối thiểu phương sai của Capon. Một bất lợi lớn của phương pháp chậm trễ và sum là độ phân giải kém của nó; nghĩa là chiều rộng của các chùm tia chính và chiều cao của các sidelobes giới hạn khả năng của mình để tách tín hiệu chặt chẽ nhau [27]. Mặt khác, của Capon tối thiểu phương sai kỹ thuật cố gắng để khắc phục vấn đề nghèo giải quyết liên kết với các phương pháp tổng trì hoãn, và trong thực tế, nó mang lại cho một cải tiến significant. Mặc dù nó cung cấp độ phân giải tốt hơn, phương pháp của Capon không thành công khi các SNOIs có tương quan với SOI. Không giống như các phương pháp thông thường, subspacemethods khai thác cấu trúc của các dữ liệu đã nhận, kết quả là một cải tiến đáng kể ở độ phân giải. Hai các thuật toán chính rơi vào loại này là các thuật toán nhiều tín hiệu Classification (âm NHẠC) và ước lượng tham số tín hiệu thông qua kỹ thuật định quay (ESPRIT). Năm 1979, Schmidt đề xuất các thuật toán âm NHẠC thông thường khai thác eigenstructure ma trận hiệp phương sai đầu vào [38]. Thuật toán này cung cấp các thông tin về số lượng tín hiệu sự cố, DOA mỗi tín hiệu, điểm mạnh và đường mối tương quan giữa tín hiệu sự cố, và quyền hạn tiếng ồn. Giống như nhiều các thuật toán, âm NHẠC truyền thống có nhược điểm. Một trong những hạn chế là nó đòi hỏi hiệu chuẩn mảng rất chính xác và chính xác. Nhược điểm khác là rằng, nếu các tín hiệu impinging được tương quan cao, nó không thành công vì ma trận hiệp phương sai của các tín hiệu nhận được sẽ trở thành số ít. Và cuối cùng, nó là computationally chuyên sâu. Để cải thiện các thuật toán âm NHẠC thông thường hơn nữa, nhiều nỗ lực đã được thực hiện để tăng hiệu quả giải quyết của mình và giảm độ phức tạp tính toán của nó. Năm 1983, Barabell đã phát triển các thuật toán gốc âm NHẠC dựa trên rễ đa thức và cung cấp độ phân giải cao; Nhược điểm của nó là nó đã được áp dụng chỉ để thống nhất nhau tuyến tính mảng [39]. Năm 1989, Schmidt đề xuất âm NHẠC Cyclic, một hướng chọn lọc finding của thuật toán, mà khai thác các tính chất quang phổ tính mạch lạc của tín hiệu nhận được và làm cho nó có thể giải quyết tín hiệu khoảng cách chặt chẽ hơn so với ngưỡng độ phân giải của mảng. Hơn nữa, âm NHẠC Cyclic cũng tránh các yêu cầu rằng tổng số tín hiệu impinging trên mảng phải là ít hơn số lượng các yếu tố cảm biến [40]. Sau đó, vào năm 1994, Xu trình bày các kỹ thuật nhanh con phân hủy (FSD) để giảm độ phức tạp tính toán của thuật toán âm NHẠC [41]. Trong một môi trường tín hiệu với multipath, nơi mà các tín hiệu nhận được đánh giá cao tương quan, hiệu suất của âm NHẠC làm giảm nghiêm trọng. Để khắc phục một tổn hại, một kỹ thuật được gọi là không gian làm mịn được áp dụng cho ma trận hiệp phương sai [42] [43]. Thuật toán ESPRIT là một dựa trên con DOA dự toán kỹ thuật ban đầu được đề xuất bởi Roy [44]. Bởi vì ESPRIT có nhiều lợi thế hơn âm NHẠC, chẳng hạn như rằng nó1. cách chưa computationally chuyên sâu, 2. yêu cầu ít hơn nhiều lí, 3. không liên quan đến một tìm kiếm đầy đủ thông qua tất cả các vectơ chỉ đạo có thể để ước tính DOA, và 4. không đòi hỏi hiệu chuẩn của mảng,ĂNG-TEN BEAMFORMING 965nó đã trở thành các thuật toán của sự lựa chọn. Nó cũng được sử dụng trong các chương trình máy tính, chỉ định là DOA, được tìm thấy trong đĩa CD kèm theo, để xác định các hướng dẫn của đến cho việc thiết kế tuyến tính và phẳng mảng đẳng hướng nguồn. Từ quan niệm của nó, ESPRIT đã phát triển thành 2-D cộng ESPRIT [45] và Equirotational Stack ESPRIT (ES-ESPRIT) [46], một phiên bản chính xác của ESPRIT. Tương ứng ĐỌC tôi gỡ giải thích các chi tiết của chương trình. Tối đa khả năng (ML) kỹ thuật đã là một số kỹ thuật chính để được nghiên cứu để dự toán DOA, nhưng họ là ít phổ biến hơn suboptimal động kỹ thuật, vì phương pháp ML là computationally chuyên sâu. Tuy nhiên, ML kỹ thuật tốt hơn các kỹ thuật dựa trên con thấp SNR và tín hiệu tương quan môi trường [47]. Chuyên mục ngoài DOA thuật toán là kỹ thuật tích hợp kết hợp các phương pháp restoral bất động sản với cách tiếp cận dựa trên con. Một kỹ thuật restoral bất động sản là lặp đi lặp lại tối thiểu chiếu dựa trên liên tục mô đun thuật toán (ILSP-CMA), một cách tiếp cận dữ liệu-efficient và chi phí-efficient được sử dụng để phát hiện phong bì đã nhận được tín hiệu và vượt qua nhiều vấn đề liên quan đến Multistage CMA [48] các thuật toán. Năm 1995, Xu và Lin [49] đề xuất một lược đồ mới mà tích hợp ILSP-CMA và con DOA cách tiếp cận. Với một mảng ăng-ten của nguyên tố M, chương trình này có thể ước tính lên đến 2M 2/3 DOAs của đường dẫn trực tiếp và

Kết quả (Việt) 2:

Phương pháp thông thường để ước lượng DOA dựa trên các khái niệm của beamforming và lái rỗng và không khai thác số liệu thống kê của tín hiệu nhận được. Trong kỹ thuật này, DOA của tất cả các tín hiệu được xác định từ các đỉnh của phổ công suất đầu ra thu được từ lái chùm tia theo mọi hướng có thể. Ví dụ về các phương pháp thông thường là phương pháp chậm trễ-và-sum (phương pháp beamformer cổ điển hoặc phương pháp Fourier) và phương pháp đúng tối thiểu Capon của. Một nhược điểm chính của phương pháp chậm trễ và tổng hợp là độ phân giải kém của nó; đó là, chiều rộng của dầm chính và chiều cao của các búp sóng phụ hạn chế khả năng của nó để tách tín hiệu gần nhau [27]. Mặt khác, kỹ thuật đúng tối thiểu Capon của cố gắng để vượt qua những vấn đề độ phân giải kém kết hợp với các phương pháp chậm trễ-và-sum, và trong thực tế, nó mang lại một sự cải thiện trọng yếu. Mặc dù nó cung cấp độ phân giải tốt hơn, phương pháp Capon của thất bại khi SNOIs có tương quan với SOI. Không giống như các phương pháp thông thường, subspacemethods khai thác cấu trúc của dữ liệu nhận được, dẫn đến một sự cải thiện đáng kể độ phân giải. Hai thuật toán chính rơi vào thể loại này là nhiều tín hiệu phân loại fi cation (MUSIC) thuật toán và Định giá tín hiệu thông số qua quay bất biến Kỹ thuật (ESPRIT). Năm 1979, Schmidt đề xuất các thuật toán MUSIC thông thường khai thác các eigenstructure của ma trận hiệp phương sai đầu vào [38]. Thuật toán này cung cấp thông tin về số lượng các tín hiệu sự cố, DOA của mỗi tín hiệu, điểm mạnh và tương quan chéo giữa các tín hiệu sự cố, và quyền hạn tiếng ồn. Giống như nhiều thuật toán, các MUSIC thông thường sở hữu nhược điểm. Một trong những nhược điểm là nó đòi hỏi rất chính xác và chính xác hiệu chuẩn mảng. Một khó khăn nữa là, nếu các tín hiệu tác động đến tương quan cao, nó không thành công vì các ma trận hiệp phương sai của tín hiệu nhận được sẽ trở thành số ít. Và cuối cùng, đó là tính toán chuyên sâu. Để cải thiện các thuật toán MUSIC thông thường hơn nữa, nhiều nỗ lực đã được thực hiện để tăng hiệu suất phân giải của nó và giảm độ phức tạp tính toán của nó. Năm 1983, Barabell phát triển các thuật toán Root-MUSIC dựa trên rễ đa thức và cung cấp độ phân giải cao hơn; nhược điểm của nó là nó chỉ áp dụng cho mảng tuyến tính thống nhất cách nhau [39]. Năm 1989, Schmidt đề xuất các MUSIC Cyclic, một hướng fi thuật toán nding chọn lọc, trong đó khai thác các thuộc tính gắn kết quang phổ của tín hiệu nhận được và làm cho nó có thể để giải quyết các tín hiệu gần nhau hơn ngưỡng độ phân giải của mảng. Hơn nữa, các MUSIC Cyclic cũng tránh các yêu cầu mà tổng số lượng của tín hiệu tác động đến trên mảng phải nhỏ hơn số phần tử cảm biến [40]. Sau đó, vào năm 1994, Xu trình bày những kỹ thuật nhanh gian con phân hủy (FSD) để giảm độ phức tạp tính toán của thuật toán MUSIC [41]. Trong một môi trường tín hiệu với đa đường, nơi mà các tín hiệu nhận được liên quan chặt chẽ, hiệu quả hoạt động của MUSIC thoái hóa nghiêm trọng. Để khắc phục một thiệt hại như vậy, một kỹ thuật gọi là mịn không gian đã được áp dụng cho các ma trận hiệp phương sai [42], [43]. Các thuật toán ESPRIT là một DOA ước lượng kỹ thuật không gian con dựa trên ban đầu được đề xuất bởi Roy [44]. Bởi vì ESPRIT có nhiều lợi thế hơn MUSIC, chẳng hạn như nó là
1. ít tính toán chuyên sâu, 2. đòi hỏi ít nhiều lưu trữ, 3. không liên quan đến một cuộc tìm kiếm đầy đủ thông qua tất cả các vector lái thể ước tính DOA và 4. không yêu cầu hiệu chuẩn của mảng,
ANTENNA beamforming 965
nó đã trở thành thuật toán của sự lựa chọn. Nó cũng được sử dụng trong các chương trình máy tính, chỉ định là DOA, được tìm thấy trong đĩa CD kèm theo, để xác định hướng đến cho các thiết kế mảng tuyến tính và phẳng của nguồn đẳng hướng. Từ quan niệm của mình, ESPRIT đã phát triển thành 2-D đơn nhất ESPRIT [45] và Equirotational stack ESPRIT (ES-ESPRIT) [46], một phiên bản chính xác hơn về ESPRIT. Các tương ứng READ ME fi le giải thích các chi tiết của chương trình. Kỹ thuật Maximum Likelihood (ML) là một số kỹ thuật đầu tiên kinh để được điều tra để ước lượng DOA, nhưng ít phổ biến hơn so với các kỹ thuật tối ưu không gian con bởi vì phương pháp ML là tính toán chuyên sâu. Tuy nhiên, kỹ thuật ML tốt hơn các kỹ thuật không gian con dựa trên SNR thấp và trong môi trường tín hiệu tương quan [47]. Các thể loại fi nal của thuật toán DOA là kỹ thuật tích hợp kết hợp các phương pháp tài sản restoral với cách tiếp cận không gian con dựa trên. Một kỹ thuật hữu-restoral là Least squares lặp đi lặp lại chiếu Dựa liên tục Modulus Algorithm (ILSP-CMA), một dữ liệu-ef fi cient và fi tiếp cận cient chi phí-ef được sử dụng để phát hiện các phong bì của các tín hiệu nhận được và vượt qua nhiều vấn đề liên quan thuật toán CMA multistage [48]. Năm 1995, Xu và Lin [49] đề xuất một kế hoạch mới mà tích hợp ILSP-CMA và cách tiếp cận không gian con DOA. Với một mảng ăng ten M phần tử, kế hoạch này có thể ước tính lên đến 2M2 / 3 DOAs các đường dẫn trực tiếp và