تحلیل الگوریتم music، کاهش نویز و تخمین تعداد منابع در رویکرد معکوس زمانی برای تصویربرداری مایکروویو
چکیده
الگوریتم music روشی مطرح در تصویربرداری مایکروویو جهت مکان یابی پراکنده گرها با تفکیک پذیری بسیار بالاست. این الگوریتم نسبت به بازتابهای چندگانه بین پراکنده گرها مستحکم بوده و تفکیک پذیری بسیار مناسبی در این حالت دارد. مشکل عمده این روش تعیین دقیق تعداد پراکنده گرها و یا بُعد زیرفضای سیگنال جهت مکان یابی صحیح اهداف است. تشخیص تعداد پراکنده گرها برمبنای تعیین تعداد مقادیر ویژه زیرفضای سیگنال انجام می پذیرد که این کار در صورت عدم وجود نویز در سیستم، به راحتی و با مشاهد? مقادیر ویژه عمده ماتریس داده ها امکان پذیر است. وجود نویز باعث می شود تا ابهام در تخمین تعداد پراکنده گرها بوجود آید که رساله حاضر بطور اعم به این موضوع پرداخته و راهکارهایی را ارائه داده است. این رساله اثبات می کند که با افزایش انعکاسهای داخلی بین پراکنده گرها، مقادیر ویژ? بزرگتر ماتریس معکوس زمانی به تدریج افزایش یافته و مقادیر ویژه کوچکتر مرتبا کاهش خواهند یافت. در این صورت وجود نویز همراه با انعکاسهای داخلی بین پراکنده گرها باعث خواهد شد تا مقادیر ویژه زیرفضاهای سیگنال و نویز به هم نزدیک شده و تشخیص بُعد زیرفضای سیگنال با مشکل همراه شود. به همین منظور الگوریتم mdl که قابلیتهای مناسبی در تشخیص تعداد منابع در مقادیر پایین سیگنال به نویز دارد به کار گرفته شده است. همچنین با توجه به عملکرد متفاوت این الگوریتم در فرکانسهای مختلف، روش جدیدی ارائه شده که هم بر پایه فرستنده ها و هم فرکانسهای مختلف عمل می کند. نتایج ارائه شده نشان دهنده بهبود عملکرد روش fmdl در تشخیص تعداد پراکنده گرها تا میزان 5db نسبت به الگوریتم mdl است. در نسبتهای خیلی پایین سیگنال به نویز ابعاد زیرفضای سیگنال و نویز تغییر کرده و عملکرد music مختل خواهد شد. در چنین مواردی حتی دانستن تعداد اهداف هم کمکی به تشخیص محل آنها نخواهد کرد. جهت رفع این مشکل از روش نویززدایی مبتنی بر تبدیل موجک ایستان گسسته (discrete stationary wavelet transform) جهت کاهش نویز و بهبود کارایی music استفاده کرده ایم. استفاده از نویز زدایی بعنوان پیش پردازش نشان دهنده افزایش کارایی الگوریتمهای تعیین تعداد اهداف است.