logo móvil
Contáctanos

La autocalibración para matrices lineales uniformes dispersas con fase de sensor dependiente de la dirección desconocida mediante el despliegue de un sensor estándar individual

Autores: Yang, Long; Hou, Xianghao; Yang, Yixin

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

La autocalibración para matrices lineales uniformes dispersas con fase de sensor dependiente de la dirección desconocida mediante el despliegue de un sensor estándar individual


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Calibración
Dependiente de la dirección
Fase del sensor
Libre de aliasing
Estimación de la DOA
Matrices lineales dispersas

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 44

Citaciones: Sin citaciones


Descripción
La calibración de la fase del sensor dependiente de la dirección desconocida (DD) y la estimación de las direcciones de llegada (DOA) libres de aliasing para matrices lineales dispersas son tareas difíciles. En este trabajo, implementamos un sensor estándar individual con una respuesta de fase de sensor conocida a lo largo del eje de la matriz lineal dispersa no calibrada, se propone un método de auto-calibración, en el cual se estiman tanto la fase del sensor DD desconocida como las DOA libres de aliasing. El método propuesto se realiza con un esquema de dos pasos. En el primer paso, la fase del sensor se elimina mediante el producto de Kronecker de las matrices de covarianza en dos diferentes intervalos de frecuencia, y la diferencia de frecuencia satisface el teorema de muestreo espacial de Nyquist. Luego, las DOAs pueden ser estimadas de manera robusta sin la influencia de lóbulos de difracción y parámetros de fase de sensor desconocidos. En el segundo paso, se estima la matriz de dirección con los parámetros de fase conocidos del sensor estándar desplegado. Luego, la fase del sensor DD se extrae de la matriz de dirección utilizando las DOAs obtenidas en el primer paso. Por lo tanto, se pueden evitar las desventajas de las estrategias basadas en iteraciones en los algoritmos de calibración convencionales (por ejemplo, convergencia a mínimos locales). El rendimiento del método propuesto se evalúa utilizando datos de simulación y se compara con los límites de Cramer-Rao.

Otros recursos que podrían interesarte

Temas Virtualpro