Résumé:
Résumé
Les réseaux de capteurs ont été utilisés pendant plusieurs décennie, dans beaucoup d’application du traitement du signal tel qu ‘en radar, sonar, séismologie, l’astronomie, etc. une tel réseau consiste en un ensemble de capteurs spatialement distribués par rapport à un point de référence. Ces capteurs collectent les signaux de différentes sources dans leur champ de vision. Les sorties des capteurs, sont
composées des composantes de ces sources et du bruit additif tels que le bruit thermique et de mesure. Notre problème est d’estimer les paramètres de ces signaux représentant des cibles, tels que leur angle d’arrivée, on peut aussi estimer le niveau
de puissance, ceci est achever des méthodes classiques Bemformer et sa dérivée Capon, et bien sur par la méthode MUSIC ’ Multiple Signal Classification’ , qui est une méthode haute résolution, basée sur les structures propres, qui exploite certaines propriétés structurale de la matrice de covariance de sortie du réseau.
Cette estimation est analysée dans le cas où on est, en présence de sources incorrélées .
Abstract
Sensor arrays have been in use for several decades in many practical signal processing applications such radar, sonar seismology, astronomy, etc. Such an array consists of a set of sensors that are spatially distributed at known locations with reference to a common reference point. These sensors collect signals from sources
in their field of view. The sensors outputs are composed of these source components and additive noise such as measurement and thermal noise. Our problem is to estimate the signals parameters, such their arrival angles, we can also estimate their power levels, and this is achieved by Classical method like Beamformer and Capon,
thus by using eigen structure based high resolution method ‘MUSIC’ (multiple signal classification) that exploit certain structural properties of the array output covariance matrix. This estimation is analysed in the case where we are in presence of uncorrelated sources.
