Resumen

La mayoría de los algoritmos de procesamiento de matrices existentes son muy sensibles a las incertidumbres del modelo causadas por el acoplamiento mutuo y el error de localización de los sensores. Para mitigar este problema, en este artículo se presenta un nuevo método para la estimación de la dirección de llegada (DOA) y la calibración del array en el caso de señales deterministas con formas de onda desconocidas. El análisis comienza con un modelo de salida del array perturbado, y es eficaz para varios tipos de perturbaciones, como el acoplamiento mutuo y el error de localización del sensor. Basándose en este modelo, se aplica el algoritmo de Expectativa-Maximización Generalizada Alternada en el Espacio (SAGE) para estimar conjuntamente los parámetros de perturbación del DOA y del array, lo que simplifica el procedimiento de búsqueda multidimensional necesario para encontrar las estimaciones de máxima verosimilitud (ML). El método propuesto hereda las características de buena convergencia y alta precisión de estimación del algoritmo SAGE. Al mismo tiempo, constituye un marco unificado para la estimación de los parámetros de perturbación del DOA y del array en presencia de acoplamiento mutuo y error de localización del sensor. Los resultados de la simulación demuestran la eficacia del algoritmo.

• Materias:Redes de telecomunicaciones Radiofrecuencia Radar Teoría de Antenas Dieléctricos
• Subjects:Telecommunications networks Radio frequency Radar Antenna theory Dielectrics
• Palabras claves:error de localización del sensor, acoplamiento mutuo, procedimientos de búsqueda multidimensional, parámetros de perturbación del conjunto, algoritmo de procesamiento del conjunto, conjunto perturbado integral, expectativas generalizadas alternas, alta precisión de estimación, generalizada alternada en el espacio, modelo de salida del conjunto
• Keywords:sensor location error, mutual coupling, multidimensional search procedures, array perturbation parameters, array processing algorithm, comprehensive perturbed array, alternating generalized expectations, high estimation precision, space alternating generalized, array output model