TAILIEUCHUNG - 62 Subspace-Based Direction Finding Methods

Estimating bearings of multiple narrowband signals from measurements collected by an array of sensors has been a very active research problem for the last two decades. Typical applications of this problem are radar, communication, and underwater acoustics. | Gonen E. Mendel . Subspace-Based Direction Finding Methods Digital Signal Processing Handbook Ed. Vijay K. Madisetti and Douglas B. Williams Boca Raton CRC Press LLC 1999 1999 by CRC Press LLC 62 Subspace-Based Direction Finding Methods Egemen Gonen Globalstar Jerry M. Mendel University of Southern California Los Angeles Introduction Formulation of the Problem Second-Order Statistics-Based Methods Signal Subspace Methods Noise Subspace Methods Spatial Smoothing 9 31 Discussion Higher-Order Statistics-Based Methods Discussion Flowchart Comparison of Subspace-Based Methods References Introduction Estimating bearings of multiple narrowband signals from measurements collected by an array of sensors has been a very active research problem for the last two decades. Typical applications of this problem are radar communication and underwater acoustics. Many algorithms have been proposed to solve the bearing estimation problem. One of the first techniques that appeared was beamforming which has a resolution limited by the array structure. Spectral estimation techniques were also applied to the problem. However these techniques fail to resolve closely spaced arrival angles for low signal-to-noise ratios. Another approach is the maximum-likelihood ML solution. This approach has been well documented in the literature. In the stochastic ML method 29 the signals are assumed to be Gaussian whereas they are regarded as arbitrary and deterministic in the deterministic ML method 37 . The sensor noise is modeled as Gaussian in both methods which is a reasonable assumption due to the central limit theorem. The stochastic ML estimates of the bearings achieve the Cramer-Rao bound CRB . On the other hand this does not hold for deterministic ML estimates 32 . The common problem with the ML methods in general is the necessity of solving a nonlinear multidimensional optimization problem which has a high computational cost and for which there is no guarantee

• Tự động hoá
• Tự động hóa
• Điện – điện tử
• Cơ khí chế tạo máy
• Kiến trúc xây dựng
• kỹ thuật viễn thông
• Bài giảng Tự động hóa
• Tự động hóa quá trình sản xuất
• Tự động hóa quá trình lắp ráp
• Định vị chi tiết
• Lắp ráp tự động
• Xác định chế độ lắp ráp tự động
• Ứng dụng Robot trong lắp ráp tự động
• tự động hóa trong xây dựng
• giáo trình tự động hóa trong xây dựng
• bài giảng tự động hóa trong xây dựng
• tài liệu tự động hóa trong xây dựng
• lý thuyết tự động hóa trong xây dựng
• hệ thống tự động hóa trong xây dựng
• Giáo trình Tự động hóa
• Tự động hóa trong hệ thống điện
• Tài liệu tự động hóa
• Tìm hiểu tự động hóa hệ thống điện
• Khái niệm tự động hóa
• Lịch sử tự động hóa
• Sửa chữa thiết bị tự động hóa
• Thiết bị tự động hóa
• Giáo trình Lắp đặt thiết bị đo lường tự động hóa
• Lắp đặt thiết bị đo lường tự động hóa
• Thiết bị đo lường tự động hóa
• Dầu bôi trơn
• đề cương tự động hóa
• phương pháp tự động hóa
• Hệ thống tự động hóa
• Tự động hóa trong quá trình sản xuất
• Hệ thống điều khiển tự động
• Tự động hóa quá trình cắt phôi
• Tự động hóa quá trình kiểm tra
• Tự động điều khiển máy móc
• Tự động hóa quá trình công nghệ
• Lý thuyết điều khiển tự động
• Hệ thống rửa xe tự động
• Đồ án tự động hóa
• Hệ thống tự động
• Kiểm tra tự động
• Thiết bị phân loại tự động
• Hệ thống sản xuất tự động hóa
• lập trình tự động hóa
• tài liệu lập trình tự động hóa
• hướng dẫn lập trình tự động hóa
• phương pháp lập trình tự động hóa
• kinh nghiệm lập trình tự động hóa