Resumen

Los arrays dispersos, que pueden localizar múltiples fuentes con menos sensores físicos, han atraído más atención desde que se propusieron. Sin embargo, para obtener un rendimiento óptimo, se suele suponer que las circunstancias son ideales. Pero en la práctica, el rendimiento de los arrays dispersos se verá afectado por errores de modelo como el acoplamiento mutuo, el error de ganancia y fase, y el error de localización del sensor, lo que causa una degradación severa del rendimiento o incluso el fallo de los algoritmos de estimación de la dirección de llegada (DOA). En este estudio, seguimos con interés y proponemos un método de representación dispersa basado en la covarianza en presencia de errores de ganancia y fase, donde se emplea un array anidado generalizado. La estrategia propuesta no sólo aumenta los grados de libertad (DOFs) para tratar con más fuentes, sino que también obtiene estimaciones DOA más precisas a pesar de los errores de ganancia y fase. Se analiza la derivación del límite de Cramer-Rao (CRB) para demostrar la robustez del método. Finalmente, ejemplos numéricos ilustran la efectividad del método propuesto a partir de la estimación DOA.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:ganancia, errores de fase, matrices dispersas, estimaciones doa precisas, matrices anidadas generalizadas, sensores menos físicos, grave degradación del rendimiento, método de representación dispersa, método, estimación doa
• Keywords:gain, phase errors, sparse arrays, accurate doa estimations, generalized nested array, less physical sensors, severe performance degradation, sparse representation method, method, doa estimation