Aplicación de la geometría diferencial a los manifolds de arrays lineales en el procesamiento de arrays de antenas
Autores: Safi, Alamgir; Khan, Muhammad Asghar; Aziz, Muhammad Adnan; Alsharif, Mohammed H.; Cheema, Tanweer Ahmad; Ullah, Insaf; Jahid, Abu; Alghtani, Abdulaziz H; Aly, Ayman A.
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Aplicación de la geometría diferencial a los manifolds de arrays lineales en el procesamiento de arrays de antenas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aplicación
Geometría diferencial
Matriz de antenas
Dirección de llegada
Algoritmo
Resolución de ambigüedad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
Este artículo trata sobre la aplicación de la geometría diferencial a los conjuntos de antenas lineales no uniformes (NULA) al estimar la dirección de llegada (DOA) de múltiples fuentes presentes en un entorno utilizando la aproximación de campo lejano. Con el fin de resolver este problema, utilizamos un conjunto de antenas lineales de doblete (DLA) compuesto por dos NULAs individuales, junto con un algoritmo propuesto que elige las direcciones correctas de las fuentes incidentes con la ayuda del conocimiento previo de las direcciones ambiguas calculadas con la aplicación de la geometría diferencial a las curvas de los conjuntos de cada NULA. El algoritmo verifica la correlación de la dirección estimada de llegada (DOAs) por cada NULA individual con su respectivo conjunto de direcciones ambiguas y elige la salida de la NULA que tiene una correlación mínima entre sus DOAs estimadas y las DOAs ambiguas correspondientes. El DLA está diseñado de tal manera que la intersección de todos los conjuntos ambiguos de DOAs entre los NULAs individuales son conjuntos nulos. Las DOAs de las fuentes, que emiten señales desde diferentes direcciones en el DLA, se estiman utilizando tres técnicas de localización de dirección (DF), como el algoritmo genético (GA), la búsqueda de patrones (PS) y una técnica híbrida que utiliza tanto GA como PS al mismo tiempo. En comparación con las técnicas existentes de resolución de ambigüedades, el algoritmo propuesto mejora la precisión de la estimación. Se presentan resultados de simulación para las tres técnicas de DF utilizando el DLA junto con el algoritmo propuesto utilizando MATLAB. En comparación con el algoritmo genético y la búsqueda de patrones, la técnica híbrida inteligente, es decir, GA-PS, tuvo una mejor precisión de estimación al elegir las DOAs corregidas, a pesar de que las DOAs incidentes eran de direcciones ambiguas.
Descripción
Este artículo trata sobre la aplicación de la geometría diferencial a los conjuntos de antenas lineales no uniformes (NULA) al estimar la dirección de llegada (DOA) de múltiples fuentes presentes en un entorno utilizando la aproximación de campo lejano. Con el fin de resolver este problema, utilizamos un conjunto de antenas lineales de doblete (DLA) compuesto por dos NULAs individuales, junto con un algoritmo propuesto que elige las direcciones correctas de las fuentes incidentes con la ayuda del conocimiento previo de las direcciones ambiguas calculadas con la aplicación de la geometría diferencial a las curvas de los conjuntos de cada NULA. El algoritmo verifica la correlación de la dirección estimada de llegada (DOAs) por cada NULA individual con su respectivo conjunto de direcciones ambiguas y elige la salida de la NULA que tiene una correlación mínima entre sus DOAs estimadas y las DOAs ambiguas correspondientes. El DLA está diseñado de tal manera que la intersección de todos los conjuntos ambiguos de DOAs entre los NULAs individuales son conjuntos nulos. Las DOAs de las fuentes, que emiten señales desde diferentes direcciones en el DLA, se estiman utilizando tres técnicas de localización de dirección (DF), como el algoritmo genético (GA), la búsqueda de patrones (PS) y una técnica híbrida que utiliza tanto GA como PS al mismo tiempo. En comparación con las técnicas existentes de resolución de ambigüedades, el algoritmo propuesto mejora la precisión de la estimación. Se presentan resultados de simulación para las tres técnicas de DF utilizando el DLA junto con el algoritmo propuesto utilizando MATLAB. En comparación con el algoritmo genético y la búsqueda de patrones, la técnica híbrida inteligente, es decir, GA-PS, tuvo una mejor precisión de estimación al elegir las DOAs corregidas, a pesar de que las DOAs incidentes eran de direcciones ambiguas.