La formulación del algoritmo SAMV se presenta como un problema inverso en el contexto de la estimación de DOA. Supongamos que una matriz lineal uniforme (ULA) de 1 elemento recibe señales de banda estrecha emitidas desde fuentes ubicadas en las ubicaciones , respectivamente. Los sensores en la ULA acumulan instantáneas durante un tiempo específico. Los vectores de instantáneas dimensionales son
donde es la matriz de dirección , contiene las formas de onda de la fuente y es el término de ruido. Suponga que , donde es el delta de Dirac y es igual a 1 solo si y 0 en caso contrario. Suponga también que y son independientes, y que , donde . Sea un vector que contiene las potencias de señal desconocidas y la varianza del ruido, .
Esta matriz de covarianza se puede estimar tradicionalmente mediante la matriz de covarianza de muestra donde . Después de aplicar el operador de vectorización a la matriz , el vector obtenido está relacionado linealmente con el parámetro desconocido como
,
donde , , , , y sea
donde
es el producto de Kronecker.
Algoritmo SAMV
Para estimar el parámetro a partir del estadístico , desarrollamos una serie de enfoques SAMV iterativos basados en el criterio de varianza mínima asintótica. A partir de [1] , la matriz de covarianza de un estimador consistente arbitrario de basado en el estadístico de segundo orden está limitada por la matriz definida positiva simétrica real
donde . Además, este límite inferior se obtiene mediante la matriz de covarianza de la distribución asintótica de obtenida al minimizar,
dónde
Por lo tanto, la estimación de se puede obtener iterativamente.
Los valores y que se minimizan se pueden calcular de la siguiente manera. Supongamos que y se han aproximado hasta cierto grado en la iteración th, se pueden refinar en la iteración th mediante,
donde la estimación de en la iteración está dada por con .
Más allá de la precisión de la cuadrícula de escaneo
El resultado de la detección del filtro adaptado sufre graves efectos de smearing y de fuga tanto en el dominio Doppler como en el de rango, por lo que es imposible distinguir los objetivos de dB. Por el contrario, el algoritmo IAA ofrece resultados de imagen mejorados con estimaciones de rango de objetivo observables y frecuencias Doppler. El enfoque SAMV-0 proporciona un resultado muy disperso y elimina por completo los efectos de smearing, pero no detecta los objetivos de dB débiles.
Problema inverso – Proceso de calcular los factores causales que produjeron un conjunto de observaciones.
Reconstrucción tomográfica : estime las propiedades de los objetos a partir de un número finito de proyecciones
Referencias
^ abcde Abeida, Habti; Zhang, Qilin; Li, Jian ; Merabtine, Nadjim (2013). "Enfoques iterativos dispersos asintóticos basados en varianza mínima para procesamiento de matrices" (PDF) . IEEE Transactions on Signal Processing . 61 (4): 933–944. arXiv : 1802.03070 . Bibcode :2013ITSP...61..933A. doi :10.1109/tsp.2012.2231676. ISSN 1053-587X. S2CID 16276001.
^ ab Glentis, George-Othon; Zhao, Kexin; Jakobsson, Andreas; Abeida, Habti; Li, Jian (2014). "Obtención de imágenes SAR mediante implementaciones eficientes de enfoques de aprendizaje automático disperso" (PDF) . Procesamiento de señales . 95 : 15–26. doi :10.1016/j.sigpro.2013.08.003. S2CID 41743051.
^ Yang, Xuemin; Li, Guangjun; Zheng, Zhi (3 de febrero de 2015). "Estimación DOA de señal no circular basada en representación dispersa". Comunicaciones personales inalámbricas . 82 (4): 2363–2375. doi :10.1007/s11277-015-2352-z. S2CID 33008200.
^ Malioutov, D.; Cetin, M.; Willsky, AS (2005). "Una perspectiva de reconstrucción de señales dispersas para la localización de fuentes con conjuntos de sensores". IEEE Transactions on Signal Processing . 53 (8): 3010–3022. Bibcode :2005ITSP...53.3010M. doi :10.1109/tsp.2005.850882. hdl : 1721.1/87445 . S2CID 6876056.
^ ab Yardibi, Tarik; Li, Jian ; Stoica, Petre; Xue, Ming; Baggeroer, Arthur B. (2010). "Localización y detección de fuentes: un enfoque adaptativo iterativo no paramétrico basado en mínimos cuadrados ponderados". IEEE Transactions on Aerospace and Electronic Systems . 46 (1): 425–443. Bibcode :2010ITAES..46..425Y. doi :10.1109/taes.2010.5417172. hdl : 1721.1/59588 . S2CID 18834345.