Русская Википедия:ESPRIT

Материал из Онлайн справочника
Перейти к навигацииПерейти к поиску

Шаблон:О

Файл:ESPRIT 2D.gif
Пример формирования подмасивов в методе 2D ESPRIT

ESPRIT (Estimation of Signal Parameters via Rotational Invariant Techniques) — численный метод, позволяющий оценить параметры суммы синусоид на фоне шумов по серии измерений. Является одним из спектральных алгоритмов сверхразрешения, использующих спектральное разложение корреляционной матрицы сигналов.

История

Метод ESPRIT предложили Полрэдж, Рой и Кейлейт в 1985 г. как развитие метода MUSIC[1][2].

Описание алгоритма

Входным параметром алгоритма является корреляционная матрица сигналов антенной решетки R:

<math>R=\frac{1}{K}\cdot\sum_{t=t_{1}}^Kx(t)\cdot x^H(t)</math>

где К — количество временных отсчетов;

<math>x(t)</math> — вектор значений в элементе антенной решетки;

<math>x^H(t)</math> — эрмитово-сопряженная матрица к матрице <math>x(t)</math>;

<math>t_1</math> — начальный момент времени.

Для работы алгоритма ESPRIT необходимо знать количество источников сигналов. Одним из возможных способов определения количества источников является использование спектрального разложения. За счет свойств корреляционной матрицы, ее спектральное и сингулярное разложения совпадают, поэтому в дальнейшем использование спектрального разложения подразумевает возможность использования вместо него сингулярного. Спектральное разложение корреляционной матрицы позволяет получить собственные числа и вектора сигнального и шумового подпространств:[3]

<math>R=U_s\Lambda_sU_s^H+U_n\Lambda_nU_n^H</math>

где <math>U_n</math> и <math>U_s</math> — матрицы сигнального и шумового подпространств;

<math>\Lambda_n</math> и <math>\Lambda_s</math> — матрицы собственных значений сигнального и шумового подпространств.

Матрицы <math>U_{s_x}</math> и <math>U_{s_y}</math> являются матрицами сигнальных векторов первой и второй подрешеток соответственно. Матрица <math>\Psi</math> является решением матричного уравнения <math>U_{s_x}\cdot\Psi=U_{s_y}</math>:

<math>\Psi=U_{s_y}\cdot U_{s_x}^{-1}=U_{\Psi}\cdot \Lambda_{\Psi} \cdot U_{\Psi}^{-1}</math>

<math>\phi=diag{\{\Lambda_\Psi\}}</math>

Углы направлений прибытия сигналов определяются выражением:[3]

<math>\theta_i=arcsin \Bigl(\frac{-\left \vert \phi_i \right \vert \cdot \lambda}{2\cdot \pi \cdot d}\Bigr)</math>

где d — расстояние между элементами антенной решетки.

Пример алгоритма

Алгоритм реализации метода ESPRIT в MATLAB:

function esprit(y, model_order, number_of_sources):
    m = model_order
    n = number_of_sources
    create covariance matrix R, from the noisy measurements y. Size of R will be (m-by-m).
    compute the svd of R
    [U, E, V] = svd(R)
    
    obtain the orthonormal eigenvectors corresponding to the sources
    S = U(:, 1:n)                 
      
    split the orthonormal eigenvectors in two
    S1 = S(1:m-1, :) and S2 = S(2:m, :)
                                               
    compute P via LS (MATLAB's backslash operator)
    P = S1\S2 
       
    find the angles of the eigenvalues of P
    w = angle(eig(P))               
    return w

Применение

См. также

Примечания

Шаблон:Примечания

Литература

Шаблон:Библиоинформация

  1. Шаблон:Citation
  2. Roy, R., & Kailath, T. (1989). Esprit-estimation of signal parameters via rotational invariance techniques. IEEE Transactions on Acoustics, Speech, and Signal Processing, 37(7), 984—995. https://doi.org/10.1109/29. 32276
  3. 3,0 3,1 Шаблон:Статья
  4. Volodymyr Vasylyshyn. Direction of arrival estimation using ESPRIT with sparse arrays.// Proc. 2009 European Radar Conference (EuRAD). — 30 Sept.-2 Oct. 2009. — Pp. 246—249. — [1]
  5. Василишин В. И. Спектральный анализ методом ESPRIT при предварительной обработке данных методом SSA.// Системи обробки інформації.- 2015. -№ 15. — С. 12 −15. [2] Шаблон:Wayback