Documente Academic
Documente Profesional
Documente Cultură
ENST de Bretagne
Thierry Chonavel
24 octobre 2007
2 Localisation de sources
Localisation en présence de bruit corrélé
Problème large bande
Estimation des covariances
3 Formation de voies
Généralités
FV indépendante des données
Approche statistique de la FV
Formation de voies adaptative
2 Localisation de sources
Localisation en présence de bruit corrélé
Problème large bande
Estimation des covariances
3 Formation de voies
Généralités
FV indépendante des données
Approche statistique de la FV
Formation de voies adaptative
systeme mono−capteur
traitement global
systeme multi−capteurs
• Nature de l’observation
• champ spatio-temporel stationnaire, régulièrement échantillonné en
temps et en espace au moyen d’un réseau de capteur
• signaux émis par p sources décorrélées
• bruit additif décorrélé avec les sources
• Problèmes envisagés
• localisation de sources (⇔ estimation de temps de retard)
• formation de voies ( formation de diagramme de rayonnement)
• Solution : prise en compte de l’information temporelle et spatiale.
1 2 N
2π fo d sinθ
c
f
−Fmax fo Fmax
−φ max
• φ(1, n) = 2π fd
c sin θ;
Pour éviter l’ambiguité de position des sources, il faut que
π π fd
∀f ∈ [−fmax , fmax ], ∀θ ∈ [− , ], |2π sin θ| < π, (1)
2 2 c
c λmin
soit d < 2fmax (d < 2 ).
• On prend générallement d = c
2fmax . On a alors φmax = π.
2π f2 d sinθ
c
∆φ
2π f1 d sinθ
c
f
−Fmax f1 ∆f f2 Fmax
−φ max
τ (1, n) = d(1,n)
c sin θ = (n−1)d
c sin θ
(n−1)fd (2)
φ(1, n) = 2π c sin θ.
• La contribution vectorielle de la source à l’observation sur le réseau
est une sinusoı̈de spatiale de pulsation φ = 2π fdc sin θ:
s(t) = s(t)[1, eiφ , . . . , ei(N−1)φ ]T . (3)
• Le problème de localisation de sources peut être vu comme un
problème de détection de sinusoı̈des.
π(f/Fmax)
2π f d sinθ 2
c
f
−Fmax 2π f d sin θ 1 f Fmax
c
−π(f/Fmax)
−φ max = −π
2 Localisation de sources
Localisation en présence de bruit corrélé
Problème large bande
Estimation des covariances
3 Formation de voies
Généralités
FV indépendante des données
Approche statistique de la FV
Formation de voies adaptative
Ry = E[yt yH H
t ] = Rs + Rb = ACs A + Rb , (5)
1 1
g(φ) = P , avecgk (φ) = P ,
g (f
k =1,K k k , φ) k =p+1,N k (fk )d(fk , φ)
U
(16)
i fmax φ i(N−1) fmax φ T
et d(fk , φ) = [1, e fk , . . . , e fk
] , car à la fréquence f et
pour la direction θ, φ = 2π fdc sin θ.
• Perte de résolution.
• Deux approches
• transformation linéaire : T(fk )d(fk , φ) = d(fmax , φ)
• transformation non linéaire : Sk (fk , φ) → Sk (fmax , φ).
fmax
Sk (φ) → Sk ( φ). (20)
fk
min k (S − R̂)R̂−1 k2 .
S
2 Localisation de sources
Localisation en présence de bruit corrélé
Problème large bande
Estimation des covariances
3 Formation de voies
Généralités
FV indépendante des données
Approche statistique de la FV
Formation de voies adaptative
ĥ = A(AH A)−1 rd .
• On exploite la connaissance de Ry
• Approche générale. Pour Ry = Rs + Rb le critère de maximum de
SNR s’écrit:
hH Rs h
ĥ = arg max
h hH Rb h
• Caractère général et limitation de cette approche.
• Solution: ĥ est le vecteur propre associé à la plus grande valeur
propre de R−1
b Rs .
hH d(fp , φp ) = 1
qui est donnée par le filtre adpté spatial (FAS)
R−1
y d(fp , φp )
ĥ =
d(fp , φp )H R−1
y d(fp , φp )
CH h = c.