Resumen

Abordamos el problema de estimación de la dirección de llegada (DOA) bidimensional para un array lineal uniforme (ULA) en forma de L utilizando dos tipos de enfoques representados por el método del subespacio y el método de reconstrucción dispersa. Se hace especial hincapié en la explotación de la propiedad de simetría conjugada generalizada del ULA en forma de L para maximizar la apertura virtual del array para dos tipos de enfoques. El método subespacial desarrolla la propiedad de invariancia rotacional del modelo de datos recibidos virtuales completos introduciendo dos azimuts y dos matrices de selección de elevación. En consecuencia, el problema de estimar los acimuts representados por una matriz de valores propios puede resolverse primero aplicando la descomposición de valores propios (EVD) a una matriz no singular conocida, y el emparejamiento de ángulos se implementa automáticamente a través del vector propio asociado. Para el método de reconstrucción dispersa, en primer lugar, damos un lema para verificar que el modelo de datos recibidos es equivalente a su representación dispersa basada en el diccionario bajo ciertas condiciones leves, y la unicidad de las soluciones se garantiza asumiendo que los índices de acimut y elevación se encuentran en diferentes filas y columnas de la matriz de correlación cruzada de la señal dispersa; A continuación, derivamos dos tipos de modelos de datos para reconstruir el DOA disperso en 2-D mediante M-FOCUSS con y sin participación de la detección compresiva (CS); finalmente, las simulaciones numéricas validan que los enfoques propuestos superan a los métodos existentes con un coste de complejidad bajo o moderado.

• Materias:Minería de datos Propagación de ondas Electromagnetismo Radiofrecuencia Teoría de Antenas
• Subjects:Data mining Wave propagation Electromagnetism Radio frequency Antenna theory
• Palabras claves:métodos de reconstrucción dispersa, tipo de enfoque, modelo de datos, métodos similares, matriz lineal uniforme, representación dispersa basada, modelo de datos recibidos, propiedad de invariancia rotacional, ciertas condiciones suaves, columna de dispersos
• Keywords:sparse reconstruction methods, kind of approach, data model, like methods, uniform linear array, based sparse representation, received data model, rotational invariance property, certain mild conditions, column of sparse