Resumen

La estimación de la dirección de llegada (DOA) de las señales es un problema básico e importante en el procesamiento de señales de conjuntos de sensores. Para resolver este problema, se han propuesto muchos algoritmos, entre los cuales el de Máxima Verosimilitud Estocástica (SML) es uno de los que más interesa por su alta precisión de DOA. Sin embargo, la estimación de SML generalmente implica el problema de optimización no lineal multidimensional. Como resultado, su complejidad computacional es bastante alta. Este trabajo aborda la cuestión de la reducción de la complejidad computacional de la estimación del SML del DOA basada en el algoritmo de Minimización Alternativa (AM). Tenemos las siguientes dos contribuciones. En primer lugar, utilizando la transformación de la matriz y las propiedades de la proyección espacial, proponemos un algoritmo eficiente de AM (EAM) dividiendo el criterio SML en dos componentes. Uno depende de un único parámetro variable mientras que el otro no. En segundo lugar, cuando la matriz es una matriz lineal uniforme, obtenemos la forma irreducible del criterio EAM (IAM) utilizando formas polinómicas. Los resultados de la simulación muestran que tanto EAM como IAM pueden reducir en gran medida la complejidad computacional de la estimación de LMS, mientras que IAM es la mejor. Otra ventaja de IAM es que este algoritmo puede evitar el problema de inestabilidad numérica que puede ocurrir en los algoritmos AM y EAM cuando más de un parámetro converge a un valor idéntico.

• Materias:Propagación de ondas Radar Teoría de Antenas Redes Inalámbricas Banda ancha Radares
• Subjects:Wave propagation Radar Antenna theory Wireless Networks Broadband Radars
• Palabras claves:complejidad de sml, complejidad computacional, estimación de sml, procesamiento de señales de array, ventaja de iam, estimación de sml, máxima verosimilitud estocástica, transformación de matriz, precisión de doa, iam
• Keywords:complexity of sml, computational complexity, sml estimation, array signal processing, advantage of iam, estimation of sml, stochastic maximum likelihood, transformation of matrix, accuracy of doa, iam