تخمین جهت‌یابی با استفاده از توزیع‌های زمان- بسامد

در این مقاله مسئله جهت ‌یابی آرایه‌ای با استفاده از توزیع‌های زمان- بسامد برای علامت‌های ناایستان مورد بحث و بررسی قرار می‌گیرد. برای انتخاب نقاط زمان- بسامد از روش میانگین‌گیری استفاده می‌شود، و بدین منظور از یک آستانه یا شاخص قدرت جهت حذف نقاط دارای نوفه بیش‌تر استفاده می‌شود. نحوه به‌دست آوردن آستانه و اثر آن در شبیه‌سازی‌ها نمایش و شرح داده می‌شود. هم‌چنین نحوه جهت‌یابی با استفاده از توزیع های زمان- بسامد در هنگامی که تعداد منابع بیش‌تر از حسگرها است شرح داده شده و شبیه‌سازی شده‌اند. علاوه بر الگوی باریک باند، از الگوی پهن ‌باند نیز برای علامت خروجی آرایه حسگرها استفاده شده است که دقت ارزیابی عملکرد روش ‌های جهت یابی را افزایش می دهد. در شبیه‌سازی‌ها اثر انواع کرنل‌های زمان- بسامد و هم‌چنین اثر طول پنجره و نوع پنجره با کرنل شبه ویگنر- ویل روی عملکرد روش های جهت ‌یابی بررسی می‌شود. علاوه بر این، اثر پهنای باند، تعداد حسگرها و نوع علامت روی عملکرد روش ‌های جهت یابی بررسی می شود. هم‌چنین پیچیدگی محاسباتی روش های مرسوم و روش های مبتنی بر توزیع‌های زمان- بسامد نیز مقایسه می‌شوند. نتایج نشان می‌دهند که با افزایش آستانه، خطای تخمین کاهش می‌یابد ولی افزایش زیاد آستانه تعداد نقاط میانگین‌گیری را نیز کاهش می‌دهد که باعث افزایش خطا می‌گردد. هم‌چنین در حالتی‌که علامت ها ناایستان باشند، در نسبت ‌های‌ علامت به نوفه پایین روش‌های مبتنی بر توزیع زمان- بسامد، عملکرد جهت‌یابی را نسبت به روش‌های مرسوم بهبود می‌بخشند.

doa estimation using time-frequency distributions (research article)

this paper addresses the problem of direction of arrival (doa) estimation for nonstationary signals using time-frequency distributions (tfds). the averaging method is used for selecting the time-frequency points. for this purpose, a strength indicator is used to remove the points with more noise. the method of obtaining the strength indicator is described and numerical simulations are used to show its effect. in addition, the doa estimation method using time-frequency distributions when the number of sources is more than sensors is described and simulated. in addition to the narrowband model, the broadband model is also used for the output signal of the sensor array, which increases the accuracy of the performance evaluation of doa estimation methods. the effect of time-frequency kernels, number of snapshots, number of sensors, signal-to-noise ratio (snr), bandwidth and signal type are investigated in simulations. the effect of window length and window type in the wigner-ville kernel is also examined. the computational complexities of both conventional and time-frequency doa estimation methods are also compared. the results show that as the strength indicator increases, the estimation error decreases, but with a large increase in the strength indicator, the number of averaging points also decreases, which increases the error. simulation results show that for low snrs, the tfd based doa estimation methods perform better, while for high snr values, both conventional and tfd based approaches have similar performances.