Resumen

En este trabajo reformulamos el problema de estimación de la dirección de llegada (DoA) sin rejilla mediante un nuevo método de ajuste de covarianza reponderada (CF). El método propuesto promueve la sparsity conjunta entre diferentes instantáneas por medio de la no-convexa Schatten-p cuasi-norma de penalización. Además, para conseguir un problema de optimización más manejable y escalable, aplicamos el sustituto unificado de la cuasinorma Schatten-p con normas matriciales de dos factores. A continuación, se deriva un método iterativo de minimización reponderada localmente convergente y se resuelve eficientemente mediante un programa semidefinido utilizando la caja de herramientas de optimización. Por último, se realizan simulaciones numéricas en un entorno de ruido desconocido no uniforme y teniendo en cuenta la estructura de matrices coprime (CPA). Los resultados ilustran la superioridad del método propuesto en términos de resolución, robustez frente al ruido no uniforme y correlaciones de fuentes, además de su aplicabilidad en un número limitado de instantáneas.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:método, método iterativo convergente de minimización reponderada, ajuste novedoso de covarianza reponderada, normas de matrices factoriales, problema de optimización escalable, ruido desconocido no uniforme, matriz coprima, diferentes instantáneas, problema de estimación, dirección sin rejilla
• Keywords:method, convergent iterative reweighted minimization method, novel reweighted covariance fitting, factor matrix norms, scalable optimization problem, unknown nonuniform noise, coprime array, different snapshots, estimation problem, gridless direction