Resumen

La estrategia de estimación de la dirección de llegada (DoA) y del ancho de banda (BW) que incide en un conjunto lineal utilizando datos de múltiples instantáneas se aborda dentro de la detección compresiva bayesiana multitarea (MT-BCS). La estimación de la DoA se utiliza como la reconstrucción de la señal dispersa restringida por el previo de Laplace a través de la Sensación Compresiva Bayesiana multitarea. Recibiendo los datos de la señal de banda ancha a través de un array lineal, el espacio se divide en I partes según el intervalo igual. Se supone que los datos de interés se representan como un vector de I dimensiones, y la señal de banda ancha puede reconstruirse con precisión utilizando sólo un pequeño número M. La antena receptora opera en el rango de frecuencias fmin,fmax. Partiendo de las tensiones medidas a la salida de los elementos del conjunto en múltiples instantes de tiempo en fp=fmin Δf,p=1,...,P, se aborda la recuperación de las DoAs mediante una estrategia personalizada basada en MT-BCS para correlacionar las soluciones obtenidas sobre diferentes muestras de frecuencia. El ancho de banda de las señales se obtiene como un subproducto al identificar en qué frecuencias las estimaciones MT-BCS incluyen una señal a lo largo de la ith (i = 1,..., I) dirección de muestreo. A partir de las salidas de las diferentes frecuencias, podemos conocer la DoA y el BW de las señales. Se presenta un resultado numérico preliminar para mostrar el comportamiento del enfoque propuesto en datos de instantáneas múltiples.

• Materias:Propagación de ondas Radiofrecuencia Teoría de Antenas Redes Inalámbricas Banda ancha Ondas de radiofrecuencia
• Subjects:Wave propagation Radio frequency Antenna theory Wireless Networks Broadband Radio frequency waves
• Palabras claves:detección compresiva bayesiana, datos de instantáneas múltiples, compresiva bayesiana multitarea, matriz lineal, instante de tiempo múltiple, datos de interés, resultados numéricos preliminares, muestra de frecuencia diferente, bw de la señal, mt
• Keywords:bayesian compressive sensing, multiple snapshot data, multitask bayesian compressive, linear array, multiple time instant, data of interest, preliminary numerical results, different frequency sample, bw of signal, mt