350 руб
Журнал «Успехи современной радиоэлектроники» №12 за 2012 г.
Статья в номере:
Алгоритм Кейпона пеленгации со сверхразрешением: снижение пика и фона пеленгационного рельефа при ограниченном объеме обучающей выборки
Ключевые слова: пеленгация со сверхразрешением алгоритм Кейпона ограниченный объем обучающей выборки шумовые собственные значения возмущения выборочной корреляционной матрицы
Авторы:
М.В. Ратынский - д.т.н., начальник сектора, ОАО «ВНИИРТ» (Москва). E-mail: m3v5r7@inbox.ru А.А. Комов - вед. инженер, ОАО «ВНИИРТ» (Москва). E-mail: alexander.komov@yandex.ru
Аннотация:
Проанализировано снижение пика и фона пеленгационного рельефа (ПР) алгоритма пеленгации со сверхразрешением по Кейпону, имеющее место при ограниченном объеме обучающей выборки. Снижение пика и фона ПР оценено экспериментально (методом цифрового моделирования) и аналитически. Показано, что указанное снижение пика и фона ПР является следствием разброса шумовых собственных значений выборочной оценки корреляционной матрицы (КМ) входных сигналов решетки в сочетании с неортогональностью вектора-гипотезы в направлении на пеленгуемый источник сигнала и шумовых собственных векторов КМ.
Страницы: 3-9
Список источников
  1. Capon, J.,High-resolutionfrequency-wavenumberspectrumanalysis // Proc. IEEE. 1969. V. 57. № 8. P. 1408 - 1418.
  2. Ратынский М. В.Адаптация и сверхразрешение в антенных решетках. М.: Радио и связь. 2003.
  3. Krim, H., Viberg, M.,Two decades of array signal processing research // IEEE signal processing magazine. 1996. № 7.  P. 67 - 94. 
  4. Леховицкий Д. И., Флексер П. М., Атаманский Д. В., Кириллов И. Г. Статистический анализ сверхразрешающих методов пеленгации источников шумовых излучений в АР при конечном объеме обучающей выборки // Антенны. 2000. Вып.2(45). С.23 - 39.
  5. Richmond, C. D.,Capon algorithm mean-squared error threshold SNR prediction and probability of resolution // IEEE Trans. Signalprocess. 2005. V. 53. № 8. P. 2748 - 2764.
  6. Леховицкий Д. И. Статистический анализ сверхразрешающих методов пеленгации источников шумовых излучений в АР при конечном объеме обучающей выборки // Прикладная радиоэлектроника (Украина). 2009. Т. 8.  № 4. С. 526 - 541. 
  7. Johnson, B. A., Abramovich, Y. I., Mestre, X., MUSIC, G-MUSIC, and maximum-likelihood performance breakdown // IEEE Trans. Signal process. 2008. V. 56. № 8. P. 3944 - 3958.
  8. Abramovich, Y. I., Johnson, B. A.,Detection-estimation of very close emitters: performance breakdown, ambiguity, and general statistical analysis of maximum-likelihood estimation // IEEE Trans. Signal process. 2010. V. 58. № 7. P. 3647 - 3660.
  9. El Karoui, N., A rate of convergence result for the largest eigenvalue of complex white Wishart matrices // Ann. of probab. 2006. V. 34. № 6. P. 2077 - 2117.
  10. Tracy, C. A., Widom, H., The distributions of random matrix theory and their applications // Stanford Institute for theoretical economics. Summer 2008 workshop. Segment 7: Complex data in economics and finance - spatial models, social networks and factor models (www.stanford.edu/group/SITE/SITE_2008/segment_7/papers/tracy_SITE7_tracy.pdf).
  11. Kritchman, S., Nadler, B., Non-parametric detection of the number of signals: hypothesis testing and random matrix theory // IEEE Trans. Signal process. 2009. V. 57. № 10. P. 3930 - 3941.
  12. Li, F., Liu, H., Vaccaro, R. J., Performance analysis for DOA estimation algorithms: unification, simplification, and observations // IEEE Trans. Aerospace and electronic syst. 1993. V. 29. № 4. P.1170 - 1183.