بهبود جهت یابی منابع صدا در آرایه پسیو با استفاده از منبع مجازی مستقل

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترا، دانشگاه صنعتی مالک اشتر، تهران، ایران

2 استادیار، دانشگاه صنعتی مالک اشتر، تهران، ایران

3 استادیار،دانشگاه صنعتی مالک اشتر، تهران، ایران

چکیده

روش های کلاسیک در پردازش آرایه عمدتاً بر بالابردن قابلیت تفکیک منابع نزدیک به هم در شرایط نویزی هنگامیکه انتشار موج در محیط تخت باشد، متمرکز می باشند. در بین روش های کلاسیک، الگوریتم دسته بندی سیگنال های چندگانه و اصلاح شده آن از بقیه مرسوم تر بوده و بیشتر مورد توجه قرار گرفته اند. در این مقاله یک روش آشکارسازی منابع صدا برای آرایه پسیو ارایه شده است. ابتدا الگوریتم دسته بندی سیگنال های چندگانه کلاسیک به صورت کاملی تشریح شده است. سپس بر اساس موارد اساسی که در این روش وجود دارد ایده پیشنهادی معرفی شده است. ایده، اضافه نمودن یک منبع مجازی با زاویه دلخواه که مستقل از منابع و نویز آن ها به به داده های بدست آمده از سنسورها می باشد. این منبع مجازی مستقل از منابع و نویز آن ها در نظر گرفته شده است. اضافه نمودن این منبع با زاویه دلخواه مرتبه ماتریس کواریانس را یک واحد افزایش می دهد. با تغییر زاویه منبع مجازی هر جا زاویه آن با زاویه یکی از منابع اصلی هم راستا گردد، مرتبه ماتریس کواریانس از مقدار افزایش یافته به مقدار واقعی تقلیل می یابد. در انتها این ایده برای یک آرایه پنج عنصری پسیو برای دو مورد منابع مستقل و همدوس شبیه سازی شده است تا کیفیت آشکارسازی را نمایش دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Improve The Orientation of Sound Sources Using Independent Virtual Source in Passive Array

نویسندگان [English]

  • mehdi rahi 1
  • Morteza Shafiee Neyestanak 2
  • mojtaba abolghasemi 3
1 PhD student, Malek Ashtar University of Technology, Tehran, Iran
2 Assistant Professor, Malek Ashtar University of Technology, Tehran, Iran
3 Assistant Professor, Malek Ashtar University of Technology, Tehran, Iran
چکیده [English]

Classical methods in array processing focus on increasing the separability of near-source sources in noise conditions when the wave propagation is in a flat environment. Among the classical methods, MUSIC and its modification are more common and have received more attention. This paper presents a method for detecting sound sources for passive arrays. First, the classical MUSIC algorithm is described. Then, based on the basic points in this method, the proposed idea is introduced. The idea is to add a virtual source with a desired angle that is independent of the sources and their noise to the data obtained from the sensors. This virtual resource is independent of the sources and their noise. Adding this source at the desired angle increases the order of the covariance matrix by one unit.by changing the angle of the virtual source, wherever its angle is aligned with the angle of one of the main sources, the order of the covariance matrix decreases from the increased value to the actual value. Finally, the idea is simulated for a passive five-element array for both independent and coherent sources to demonstrate detection quality.

کلیدواژه‌ها [English]

  • Covariance Matrix
  • Signal Space
  • Noise space
  • Eigenvalue

Smiley face

  1. Shirvani Moghaddam, A. Keshavarz Nasab, "A Low-Complexity Setup for DOA Estimation of Coherent Signals of Unknown Sources Located at Endfire Angles," Journal of “Radar”, Vol. 4, No. 1, 2016 (Serial No. 11), (In Persian).
  2. A. Ioannopoulos; D. E. Anagnostou; M. T. Chryssomallis, " A Survey on the Effect of Small Snapshots Number and SNR on the Efficiency of the MUSIC Algorithm," Proceedings of the 2012 IEEE International Symposium on Antennas and Propagation.
  3. Andrew L. Kintz, Inder J. Gupta, " A Modified MUSIC Algorithm for Direction of Arrival Estimation in the Presence of Antenna Array Manifold Mismatch," IEEE Transactions on Antennas and Propagation (Volume: 64, Issue: 11, Nov. 2016).
  4. Shuimei Zhang, Ammar Ahmed, Yimin D. Zhang, and Shunqiao Sun,"Enhanced DOA Estimation Exploiting Multi-Frequency Sparse Array," IEEE Transactions on Signal Processing (Volume:69),Page(s):5935-5946, 2021.
  5. K Ma, T.H. Hsieh, and C.-Y. Chi, "DOA Estimation of Quasi-Stationary Signals with Less Sensors than Sources and Unknown Spatial Noise Covariance: a Khatri–Rao Subspace Approach," IEEE Transactions on Signal Processing, vol. 58, no. 4, pp. 2168-2180, 2010.
  6. Hui Xia, " MVDR Algorithm for Broadband Coherent Source Signals Based on Data Reconstruction," 2020 IEEE International Conference on Power, Intelligent Computing and Systems (ICPICS).
  7. D. Di Claudio and R. Parisi, "WAVES: Weighted Average of Signal Subspaces for Robust Wideband Direction Finding," IEEE Transactions on Signal Processing, vol. 49, no. 10, pp. 21792191,2001.
  8. Milad Javadzadeh Jirhandeh, Hoomaan Hezaveh, and Mohammad Hossein Kahaei,"Super-Resolution DOA Estimation for Wideband Signals Using Non-Uniform Linear Arrays with No Focusing Matrix,"IEEE Wireless Communications Letters, Volume 11, March 2022.
  9. Cai, D. Bao, and P. Li, "DOA Estimation via Sparse Recovering from the Smoothed Covariance Vector," Journal of Systems Engineering and Electronics, vol. 27, no. 3, pp. 555-561, 2016.
  10. Wand, Q. Zhang, W. Shi and J. SHI, " Iterative Sparse Covariance Matrix Fitting Direction of Arrival Estimation Method Based on Vector Hydrophone Array ",Journal of Northwestern Poly technical University 38(1):14-23, 2019.
  11. A. Chernov, Wave Propagation in a Random Medium. New York, USA: McGraw-Hill, 1960.
  12. Asadzadeh, S. M. Alavi, M. Karimi and H. Amiri, " Coherent Wide-band Signals DOA Estimation by the New CTOPS Algorithm," Multidimensional Systems and Signal Processing, Volume 31, pp.1075-1089, 2020.
  13. Jin He, Linna Li and Ting Shu,"Sparse Nested Arrays with Spatially Spread Square Acoustic Vector Sensors for High-Accuracy Underdetermined Direction Finding", IEEE Transactions on Aerospace and Electronic Systems,Volume 57,Issue 4,Aug. 2021.
دوره 10، شماره 1 - شماره پیاپی 27
شماره پیاپی 27، فصلنامه بهار و تابستان
تیر 1401
صفحه 27-34
  • تاریخ دریافت: 12 فروردین 1401
  • تاریخ بازنگری: 30 تیر 1401
  • تاریخ پذیرش: 19 مرداد 1401
  • تاریخ انتشار: 30 شهریور 1401