La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

DOA Estimation Methods Based on Covariance Differencing under a Colored Noise Environment Méthodes d'estimation DOA basées sur la différence de covariance dans un environnement de bruit coloré

Ning LI, Yan GUO, Qi-Hui WU, Jin-Long WANG, Xue-Liang LIU

  • Vues en texte intégral

    0

  • Citer

Résumé:

Une méthode basée sur la différenciation de covariance pour un réseau linéaire uniforme est proposée pour résoudre le problème de radiogoniométrie de signaux à bande étroite dans un environnement de bruit coloré. En supposant une matrice de Toeplitz symétrique hermitienne pour le bruit inconnu, la matrice de covariance du réseau est transformée en matrice centrohermitienne de manière appropriée permettant d'éliminer la composante de bruit. L'algorithme de différenciation de covariance modifié fournit une estimation précise de la direction d'arrivée (DOA) lorsque les signaux incidents ne sont pas corrélés ou que seulement deux des signaux sont cohérents. S'il y a plus de deux signaux cohérents, la méthode présentée combinée au schéma de lissage spatial (SS) peut être utilisée. Contrairement à la méthode originale, la nouvelle approche dispense de la nécessité de déterminer les angles vrais et les angles fantômes. Les résultats de la simulation démontrent l'efficacité de l'algorithme présenté.

Publication
IEICE TRANSACTIONS on Communications Vol.E94-B No.3 pp.735-741
Date de publication
2011/03/01
Publicisé
ISSN en ligne
1745-1345
DOI
10.1587/transcom.E94.B.735
Type de manuscrit
PAPER
Catégories
Antennes et Propagation

Auteurs

Mots-clés

Table des matières