Sunteți pe pagina 1din 38

Traitement d’antennes

ENST de Bretagne

Thierry Chonavel

Laboratoire CNRS TAMCIC (UMR 2872),


thierry.chonavel@enst-bretagne.fr

24 octobre 2007

Thierry Chonavel Traitement d’antennes 1/38


Plan
1 Position du problème

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

Thierry Chonavel Traitement d’antennes 2/38


Plan
1 Position du problème

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

Thierry Chonavel Traitement d’antennes 3/38


Systèmes mono-capteurs et multi-capteurs
• Traitement d’antennes (array processing)
traitement

systeme mono−capteur

traitement global

systeme multi−capteurs

Thierry Chonavel Traitement d’antennes 4/38


Observation et problèmes envisagés

• 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.

Thierry Chonavel Traitement d’antennes 5/38


Hypothèses générales
• Réseau d’antennes (array antenna)
s(t)

1 2 N

Figure: Source s(t) de fréquence f dans la direction θ.

• Réseau linéaire de capteurs équidistants; Ondes planes.

Thierry Chonavel Traitement d’antennes 6/38


Sectre spatio-temporel du champ observé
φ
φ max

2π fo d sinθ
c

f
−Fmax fo Fmax

−φ max

Figure: Support spectral des ondes planes

Thierry Chonavel Traitement d’antennes 7/38


Espacement entre capteurs

• 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.

Thierry Chonavel Traitement d’antennes 8/38


Problème à bande étroite et à large bande
φ
φ max

2π f2 d sinθ
c
∆φ
2π f1 d sinθ
c
f
−Fmax f1 ∆f f2 Fmax

−φ max

• Bande étroite si ∆f << c


(N−1)d . Sinon, large bande →
défocalisation.
• Pour f fixé la contribution de la source de direction θ est une
sinusoı̈de de pulsation 2π fdc sin θ
• Donc, en bande étroite, la source
Thierry Chonavel peut
Traitement être vue
d’antennes 9/38 comme une
L’hypothèse bande étroite (I)
• Réseau linéaire de capteurs équidistants. Signal émis: st = ξe2iπft .
Signal reçu sur le capteur n:
st (n) = st+τ (1,n) (1) = (t + τ ) = s1 (t)e2iπf τ (1,n) = s1 (t)eiφ(1,n)
• Retard et déphasage:

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.

Thierry Chonavel Traitement d’antennes 10/38


L’hypothèse bande étroite (II)
φ
φ max =π

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

• Classiquement: TF par rapport à la variable temporelle


• Souvent: trop peu de capteurs pour effectuer la TF spatiale !
• Solution : employer des méthodes à haute résolution.

Thierry Chonavel Traitement d’antennes 11/38


Plan
1 Position du problème

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

Thierry Chonavel Traitement d’antennes 12/38


Modèle des observations

• Hypothèse bande étroite. Fréquence f fixée. p sources (p connu !)


• Observation
X
yt = sk ,t d(φk ) + bt = Ast + bt (4)
k =1,p

avec d(φ) = [1, eiφ , . . . , ei(N−1)φ ]T , A = [d(φ1 ), . . . , d(φp )], et


s = [s1,t , . . . , sp,t ]T .
• On observe T réalisations {yt }t=1,T

Thierry Chonavel Traitement d’antennes 13/38


Connaissance statistique accessible

• A défaut du spectre, on a un accès direct aux premières covariances


spatiales estimées par R̂y = T −1 yt yH
P
t=1,T t .
• Modèle paramétrique correspondant:

Ry = E[yt yH H
t ] = Rs + Rb = ACs A + Rb , (5)

avec [Cs ]ij = δij σs2i .

Thierry Chonavel Traitement d’antennes 14/38


Principe de la goniométrie
• On suppose le bruit spatialement blanc : Rb = σb2 I
• On exploite la structure hermitienne de Rs :
Rs = Udiag{λ1 , . . . , λp , 0, . . . , 0}UH , avec λ1 > . . . > λp > 0. Donc
Ry = Udiag{λ1 + σb2 , . . . , λp + σb2 , σb2 , . . . , σb2 }UH . (6)
et
vect{d(φ1 ), . . . , d(φp )} = vect{U1 , . . . , Up } = [vect{Up+1 , . . . , UN }]H .
(7)
• Spectre MUSIC:
1
g(φ) = P . (8)
| k =p+1,n UH H 2
k d(φ) |

Thierry Chonavel Traitement d’antennes 15/38


Cas du bruit corrélé

• On peut chercher à estimer un modèle pour le bruit.


• Plus direct : estimer un modèle global signal+bruit pour le spectre
spatial.
• Peu de covariances disponibles → régularisation ARMA.
• description par équation aux différences
• description par modèles d’état

Thierry Chonavel Traitement d’antennes 16/38


Justification du modèle ARMA
• Modélisation réaliste de la source k sur le capteur n:
fd
sk ,t (n) = eiφk sk ,t (n − 1) + vk ,t (n), (φk = 2π sin θk ). (9)
c
• Le bruit peut être décrit par un modèle ARMA:
X X
bt (n) = αk bt (n − k) + βk wt (n − k). (10)
k =1,q1 k =0,q2
P
Spectre spatial de yt (n) = k =1,p sk ,t (n) + bt (n):
σv2k | k =0,q2 βk e−ik φ |2
P
X
2
Sy (φ) = + σw . (11)
|1 − eiφk e−iφ |2 |1 + k =1,q1 αk e−ik φ |2
P
k =1,p

• Estimation Sy (φ) à partir de [Ry ]11 , . . . , [Ry ]N1 .

Thierry Chonavel Traitement d’antennes 17/38


Estimation ARMA par modèle d’état (I)

• Modèle des sources (théorique),du bruit et global:

xs (n) = diag{eiφ1 , . . . , eiφp }xs (n − 1)



(12)
s(n) = [1, . . . , 1]xs (n)

xb (n) = Fb xb (n − 1) + w(n)
(13)
b(n) = Gb xb (n)
diag{eiφ1 , . . . , eiφp } 0
    
0
x(n) = x(n − 1) + = Fx(n − 1)

0 Fb w(n)
y(n) = [1, . . . , 1, Gb ]x(n) = Gx(n).

(14)

Thierry Chonavel Traitement d’antennes 18/38


Estimation ARMA par modèle d’état (II)
• La technique utilise la matrice de Hankel des covariances
 
Ry (0) Ry (1) ... Ry (N/2)
 Ry (1) Ry (2) . . . Ry (N/2 + 1)
 
.
..
 
 
Ry (N/2)  Ry (N/2 + 1) . . . Ry (N)
(15)
G
 GF   
=  ..  . PH FPH . . . FN/2 PH = 0C, P = cov (x(n)).
 
 . 
GFN/2
• On note que O↑ = O↓ F, soit F = (O↓ H O↓ )−1 O↓ H O↑ = O↓ # O↑ .
• Les {φk }k =1,p sont fournis par les arguments des valeurs propres de
F proches du cercle unité.

Thierry Chonavel Traitement d’antennes 19/38


Problème large bande
• Méthode: synthétiser les résultats obtenus dans les sous-bandes
étroites.
• On exploite le fait que pour une source φ varie linéairement avec f .
• Une technique possible; Moyenner les spectres MUSIC:

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.

Thierry Chonavel Traitement d’antennes 20/38


Focalisation

• Deux approches
• transformation linéaire : T(fk )d(fk , φ) = d(fmax , φ)
• transformation non linéaire : Sk (fk , φ) → Sk (fmax , φ).

Thierry Chonavel Traitement d’antennes 21/38


Focalisation linéaire
1 Estimation bande étroite des pulsations (φu,k )u=1,p;k =1,K aux
fréquences f1 , . . . , fmax
2 Construire {T(fk )}k =1,K telles que T(fk )Ak (fk ) = Ak (fmax ), avec
Ak (fk ) = [d(fk , φ1,k ), . . . , d(fk , φp,k )]. On peut prendre

T(fk ) = [Ak (f0 ), Ã(f0 )][Ak (fk ), Ã(fk )]−1 . (17)

3 Construire la matrice de covriance focalisée


X
Ry = T(fk )Ry (fk )T(fk )H (18)
k =1,K

Thierry Chonavel Traitement d’antennes 22/38


Focalisation linéaire approchée

• On voudrait que T(fk )d(fk , φ) ≈ d(fmax , φ), ∀φ


• On peut prendre
Z π
T(fk ) = arg min k T(fk )d(fk , φ) − d(fmax , φ) k d φ,
T(fk ) −π

ou un critère contraint si on veut priviliégier certaines directions:


 Rπ
 minT(fk ) −π k T(fk )d(fk , φ) − d(fmax , φ) k d φ
(19)
T(fk )d(fk , φi ) ≈ d(fmax , φi ), i = 1, . . . , p.

Thierry Chonavel Traitement d’antennes 23/38


Focalisation non linéaire

1 Estimer le spectre Sk (φ) aux fréquences f1 , . . . , fmax .


2 Focaliser les spectres

fmax
Sk (φ) → Sk ( φ). (20)
fk

3 Extraire conjointement les pulsations {φk }k =1,p

Thierry Chonavel Traitement d’antennes 24/38


Paramétrisation des covariances

• Paramétrisation de la matrice des covariances R (structure Toeplitz)


• Approximation conique:
 
 X 
+
KM = S= αm d(φm )d(φm )H ; αm ≥ 0, φm = (2m − M − 1)π/M
 
m=1,M
(21)
• Estimation par optimisation :

minα k (R̂−1 m=1,M αm d(φm )d(φm )H − R̂−1 )R̂−1 k


 P
(22)
αm ≥ 0, m = 1, . . . , M.

Thierry Chonavel Traitement d’antennes 25/38


Estimation des covariances

• Hypothèse gaussienne. Log-vraisemblance:

L(S) = − log |S| − Tr [S−1 R̂].

• Prolème des optima locaux.


• Estimateur asymptotiquement équivalent:

min k (S − R̂)R̂−1 k2 .
S

Thierry Chonavel Traitement d’antennes 26/38


Conclusions sur la localisation de sources

• Localisation en présence de bruit blanc : algorithme MUSIC ou


variantes
• En présence de bruit corrélé : estimation ARMA du spectre spatial
• Localisation de sources à large bande : focalisation linéaire ou non
linéaire des solutions à bande étroite.
• Estimation de la matrice de covariance des observations
• Remarque: le diagramme de rayonnemment global sera le produit
du diagramme d’un capteur (capteurs identiques) par la fonction de
réseau.

Thierry Chonavel Traitement d’antennes 27/38


Plan
1 Position du problème

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

Thierry Chonavel Traitement d’antennes 28/38


Formation de voies (beamforming)

• Objectif: formation électronique d’un diagramme de rayonnement


• Méthode: combinaison des sorties d’un réseau de capteurs
• par pondération scalaire des sorties de capteurs
• par filtrage des sorties de capteurs
• Traitement large bande et bande étroite
• Différentes approches possibles
• prise en compte des sorties de capteurs
• traitements par blocs ou adaptatif

Thierry Chonavel Traitement d’antennes 29/38


Approche élémentaire
fd
• On observe yt = d(f , φ)st + bt (d(f , φ) = [, . . . , e2iπ c sin θ ]T )
• Formation de voies par remise en phase de l’information utile
X fd
zt = d(f , φ)H yt = Ns(t) + b(n)e−2iπ(n−1) c sin θ
.
n=1,N
 
1
• Fonction de réseau: g(φ) = |d(φ) H  .  |2 = ( sin(Nφ) 2
sin(φ) ) .
1
• Pour une source large bande, il faudrait appliquer d(f , φ)H pour
chaque fréquence f , c.a.d. un filtre de réponse fréquentielle
fd
h(n, f ) = e−2iπ(n−1) c sin θ sur le capteur n.
• Dans le cas large bande, deux approches sont possibles:
• filtrage derrière chaque capteur
• réaliser des traitements bande étroite dans le domaine temporel.
Thierry Chonavel Traitement d’antennes 30/38
Traitements large bande

Thierry Chonavel Traitement d’antennes 31/38


FV indépendante des données
• Fréquence f fixée. Formation de voie simple:
X fd
zt = d(f , φ)H yt = Ns(t) + b(n)e−2iπ(n−1) c sin θ
.
n=1,N

• Gain de formation de voies


SNRFV Tr (Rb )
GFV = = ,
SNR0 Tr (ΠRb )
d(f ,φ)d(f ,φ)H
avec Π = kd(f ,φ)k2
.
• Estimateur spectral du périodogramme

S(φ) = E[|z|2 ] = d(f , φ)H Ry d(f , φ).

Thierry Chonavel Traitement d’antennes 32/38


Généralisation
• On cherche
ĥ = arg min k AH h − rd k2 ,
h

avec A = [d(f , φ1 ), . . . , d(f , φp )] et, en général, [rd ]k ∈ {0, 1}.


• Solution unique pour p ≥ N:

ĥ = (AAH )−1 Ard .

• Cas large bande: A = [d(f1 , φ1 ), . . . , d(fp , φp )].


• Pour p < N, la solution de norme minimale s’écrit

ĥ = A(AH A)−1 rd .

Thierry Chonavel Traitement d’antennes 33/38


Approche statistique de la FV

• 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 .

Thierry Chonavel Traitement d’antennes 34/38


Filtre adapté spatial
• Encore appelé estimateur à variance minimale
• On cherche ĥ solution de
minh E[|hH y|2 ]


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 )

• Gain par rapport à la formation de voies classique:


SNRFAS
GFAS = SNRFV = Tr (ΠRb )Tr (ΠR−1
b ).
• Estimateur spectral de Capon: S(φ) = 1
.
d(fp ,φp )H R−1
y d(fp ,φp )

Thierry Chonavel Traitement d’antennes 35/38


Généralisation: GSC
minh hH A(y)h


CH h = c.

• Optimum ĥ = A−1 C(CA−1 CC)−1 c.


• Méthode GSC (Generalized Sidelobe Canceler): prend en compte
l’évolution temporelle de A(y) (par ex. A(y) = Ry ) avec un coût de
calcul limité
• h = h0 + C̃h̃
• avec CH h0 = c et Im{C̃} = Ker {C}.
• Solution: h0 = C(CH C)−1 c et (par ex.) h̃ = (C̃A(y)C̃)−1 C̃H A(y)h0 .
• Propriétés
• L’information statistique n’est contenue que dans h̃
• h̃ est de dimension inférieure à N
• Possibilité d’implémentation adaptative.

Thierry Chonavel Traitement d’antennes 36/38


Formation de voies adaptative

• Présentation unifiée des critères

ĥ = arg min |yd − hH x|2 = R−1


x rxyd
h

• Pour le GSC: x = C̃y et yd = hH


0 y.
• On peut estimer h de façon récursive par les algorithmes LMS ou
RLS (voir cours de traitement du signal adaptatif).
• Formation de voies partiellement adaptative.

Thierry Chonavel Traitement d’antennes 37/38


Conclusion

• Possibilité de former le diagramme de rayonnement d’une antenne.


• Prise en compte de contraintes (directions de gain fort ou de gain
faible, ...)
• Prise en compte des statistiques de l’observation
• Techniques à coût de calcul limité (GSC, traitement adaptatif)
• Lien avec le problème de la localisation de sources.

Thierry Chonavel Traitement d’antennes 38/38

S-ar putea să vă placă și