Advanced array signal processing algorithms for multi-dimensional parameter estimation

Die hochauflösende Parameterschätzung für mehrdimensionale Signale findet Anwendung in vielen Bereichen der Signalverarbeitung in Mehrantennensystemen. Zu den Anwendungsgebieten zählen beispielsweise Radar, die Mobilkommunikation, die Kanalschätzung in multiple-input multiple-output (MIMO)-Systemen...

Full description

Bibliographic Details
Main Author: Steinwandt, Jens (Author)
Other Involved Persons: Haardt, Martin (Degree supervisor) ; Pesavento, Marius (Other) ; Vorobyov, Sergiy A. (Other) ; Technische Universität Ilmenau
Format: eBook
Language:English
Published: Ilmenau : Universitätsbibliothek 30.11.2018
Item Description:Das Erscheinungsdatum ist der Tag der Verteidigung.
Physical Description:1 Online-Ressource (xx, 389 Seiten) Diagramme (teilweise farbig)
Format:Systemvoraussetzung: Acrobat reader.
Subjects:
Local Subject Headings:
Further Information:ilmedia/DBT
Kostenfrei
http://d-nb.info/1177298449/34
urn:nbn:de:gbv:ilm1-2018000614
QR Code: Show QR Code
LEADER 09621cam a2200745 4500
001 1047539012
003 DE-627
005 20190829213440.0
007 cr uuu---uuuuu
008 190129s2018 xx |||||om 00| ||eng c
016 7 |a 1177298449  |2 DE-101 
024 7 |a urn:nbn:de:gbv:ilm1-2018000614  |2 urn 
035 |a (DE-627)1047539012 
035 |a (DE-599)GBV1047539012 
035 |a (DE-101)1177298449 
040 |a DE-627  |b ger  |c DE-627  |e rda 
041 |a eng 
044 |c XA-DE-TH 
082 0 4 |a 621.3  |q DE-101 
100 1 |a Steinwandt, Jens  |e verfasserin  |4 aut 
245 1 0 |a Advanced array signal processing algorithms for multi-dimensional parameter estimation  |c Jens Steinwandt 
264 1 |a Ilmenau  |b Universitätsbibliothek  |c 30.11.2018 
264 2 |a Ilmenau  |c 2019 
300 |a 1 Online-Ressource (xx, 389 Seiten)  |b Diagramme (teilweise farbig) 
336 |a Text  |b txt  |2 rdacontent 
337 |a Computermedien  |b c  |2 rdamedia 
338 |a Online-Ressource  |b cr  |2 rdacarrier 
500 |a Das Erscheinungsdatum ist der Tag der Verteidigung. 
502 |b Dissertation  |c Technische Universität Ilmenau  |d 2018 
520 |a Die hochauflösende Parameterschätzung für mehrdimensionale Signale findet Anwendung in vielen Bereichen der Signalverarbeitung in Mehrantennensystemen. Zu den Anwendungsgebieten zählen beispielsweise Radar, die Mobilkommunikation, die Kanalschätzung in multiple-input multiple-output (MIMO)-Systemen und bildgebende Verfahren in der Biosignalverarbeitung. In letzter Zeit sind eine Vielzahl von Algorithmen zur Parameterschätzung entwickelt worden, deren Schätzgenauigkeit durch eine analytische Beschreibung der Leistungsfähigkeit objektiv bewertet werden kann. Eine verbreitete Methode zur Verbesserung der Schätzgenauigkeit von Parameterschätzverfahren ist die Ausnutzung von Vorwissen bezüglich der Signalstruktur. In dieser Arbeit werden mehrdimensionale ESPRIT-Verfahren als Beispiel für Unterraum-basierte Verfahren entwickelt und analysiert, die explizit die mehrdimensionale Signalstruktur mittels Tensor-Signalverarbeitung ausnutzt und die statistischen Eigenschaften von nicht-zirkulären Signalen einbezieht. Weiterhin werden neuartige auf Signalrekonstruktion basierende Algorithmen vorgestellt, die die nicht-zirkuläre Signalstruktur bei der Rekonstruktion ausnutzen. Die vorgestellten Verfahren ermöglichen eine deutlich verbesserte Schätzgüte und verdoppeln die Anzahl der auflösbaren Signale. Die Vielzahl der Forschungsbeiträge in dieser Arbeit setzt sich aus verschiedenen Teilen zusammen. Im ersten Teil wird die analytische Beschreibung der Leistungsfähigkeit von Matrix-basierten und Tensor-basierten ESPRIT-Algorithmen betrachtet. Die Tensor-basierten Verfahren nutzen explizit die mehrdimensionale Struktur der Daten aus. Es werden für beide Algorithmenarten vereinfachte analytische Ausdrücke für den mittleren quadratischen Schätzfehler für zwei Signalquellen hergeleitet, die lediglich von den physikalischen Parametern, wie zum Beispiel die Anzahl der Antennenelemente, das Signal-zu-Rausch-Verhältnis, oder die Anzahl der Messungen, abhängen. Ein Vergleich dieser Ausdrücke ermöglicht die Berechnung einfacher Ausdrücke für den Schätzgenauigkeitsgewinn durch den forward-backward averaging (FBA)-Vorverarbeitungsschritt und die Tensor-Signalverarbeitung, die die analytische Abhängigkeit von den physikalischen Parametern enthalten. Im zweiten Teil entwickeln wir einen neuartigen general least squares (GLS)-Ansatz zur Lösung der Verschiebungs-Invarianz-Gleichung, die die Grundlage der ESPRIT-Algorithmen darstellt. Der neue Lösungsansatz berücksichtigt die statistische Beschreibung des Fehlers bei der Unterraumschätzung durch dessen Kovarianzmatrix und ermöglicht unter bestimmten Annahmen eine optimale Lösung der Invarianz-Gleichung. Mittels einer Performanzanalyse der GLS-basierten ESPRIT-Verfahren und der Vereinfachung der analytischen Ausdrücke für den Schätzfehler für eine Signalquelle und zwei zeitlich unkorrelierte Signalquellen wird gezeigt, dass die Cramer-Rao-Schranke, eine untere Schranke für die Varianz eines Schätzers, erreicht werden kann. Im nächsten Teil werden Matrix-basierte und Tensor-basierte ESPRIT-Algorithmen für nicht-zirkuläre Signalquellen vorgestellt. Unter Ausnutzung der Signalstruktur gelingt es, die Schätzgenauigkeit zu erhöhen und die doppelte Anzahl an Quellen aufzulösen. Dabei ermöglichen die vorgeschlagenen Tensor-ESPRIT-Verfahren sogar die gleichzeitige Ausnutzung der mehrdimensionalen Signalstruktur und der nicht-zirkuläre Signalstruktur. Die Leistungsfähigkeit dieser Verfahren wird erneut durch eine analytische Beschreibung objektiv bewertet und Spezialfälle für eine und zwei Quellen betrachtet. Es zeigt sich, dass für eine Quelle keinerlei Gewinn durch die nicht-zirkuläre Struktur erzielen lässt. Für zwei nicht-zirkuläre Quellen werden vereinfachte Ausdrücke für den Gewinn sowohl im Matrixfall also auch im Tensorfall hergeleitet und die Abhängigkeit der physikalischen Parameter analysiert. Sind die Signale stark korreliert oder ist die Anzahl der Messdaten sehr gering, kann der spatial smoothing-Vorverarbeitungsschritt mit den verbesserten ESPRIT-Verfahren kombiniert werden. Anhand der Performanzanalyse wird die Anzahl der Mittellungen für das spatial smoothing-Verfahren analytisch für eine Quelle bestimmt, die den Schätzfehler minimiert. Der nächste Teil befasst sich mit einer vergleichsweise neuen Klasse von Parameterschätzverfahren, die auf der Rekonstruktion überlagerter dünnbesetzter Signale basiert. Als Vorteil gegenüber den Algorithmen, die eine Signalunterraumschätzung voraussetzen, sind die Rekonstruktionsverfahren verhältnismäßig robust im Falle einer geringen Anzahl zeitlicher Messungen oder einer starken Korrelation der Signale. In diesem Teil der vorliegenden Arbeit werden drei solcher Verfahren entwickelt, die bei der Rekonstruktion zusätzlich die nicht-zirkuläre Signalstruktur ausnutzen. Dadurch kann auch für diese Art von Verfahren eine höhere Schätzgenauigkeit erreicht werden und eine höhere Anzahl an Signalen rekonstruiert werden. Im letzten Kapitel der Arbeit wird schließlich die Cramer-Rao-Schranke für mehrdimensionale nicht-zirkuläre Signale hergeleitet. Sie stellt eine untere Schranke für den Schätzfehler aller Algorithmen dar, die speziell für die Ausnutzung dieser Signalstruktur entwickelt wurden. Im Vergleich zur bekannten Cramer-Rao-Schranke für beliebige Signale, zeigt sich, dass im Fall von zeitlich kohärenten Signalen, für einen Messvektor oder für eine Quelle, beide Schranken äquivalent sind. In diesen Fällen kann daher keine Verbesserung der Schätzgüte erzielt werden. Zusätzlich wird die Cramer-Rao-Schranke für zwei benachbarte nicht-zirkuläre Signalquellen vereinfacht und der maximal mögliche Gewinn in Abhängigkeit der physikalischen Parameter analytisch ermittelt. Dieser Ausdruck gilt als Maßstab für den erzielbaren Gewinn aller Parameterschätzverfahren für zwei nicht-zirkuläre Signalquellen. 
538 |a Systemvoraussetzung: Acrobat reader. 
583 1 |a la  |z durch die Thüringer Universitäts- und Landesbibliothek Jena  |2 pdager 
655 7 |a Hochschulschrift  |0 (DE-588)4113937-9  |0 (DE-627)105825778  |0 (DE-576)209480580  |2 gnd-content 
689 0 0 |D s  |0 (DE-588)4113314-6  |0 (DE-627)104529199  |0 (DE-576)209475463  |a Digitale Signalverarbeitung  |2 gnd 
689 0 1 |D s  |0 (DE-588)4604981-2  |0 (DE-627)32626518X  |0 (DE-576)214181332  |a Mehrdimensionales Signal  |2 gnd 
689 0 2 |D s  |0 (DE-588)4142611-3  |0 (DE-627)104563842  |0 (DE-576)209720050  |a Antennengruppe  |2 gnd 
689 0 3 |D s  |0 (DE-588)4044614-1  |0 (DE-627)106204874  |0 (DE-576)209061634  |a Parameterschätzung  |2 gnd 
689 0 |5 (DE-627) 
700 1 |a Haardt, Martin  |e akademischer betreuerin  |0 (DE-588)130020788  |0 (DE-627)487140982  |0 (DE-576)29795511X  |4 dgs 
700 1 |a Pesavento, Marius  |d 1973-  |e gutachterin  |0 (DE-588)130064068  |0 (DE-627)489611974  |0 (DE-576)297977423  |4 oth 
700 1 |a Vorobyov, Sergiy A.  |e gutachterin  |4 oth 
710 2 |a Technische Universität Ilmenau  |e Grad-verleihende Institution  |0 (DE-588)2125187-3  |0 (DE-627)121097897  |0 (DE-576)194247589  |4 dgg 
776 0 8 |i Erscheint auch als  |n Druck-Ausgabe  |a Steinwandt, Jens  |t Advanced array signal processing algorithms for multi-dimensional parameter estimation  |d Ilmenau, 2018  |h xx, 389 Seiten  |w (DE-627)1041829345 
850 |a la 
856 4 0 |u https://www.db-thueringen.de/receive/dbt_mods_00038132  |m DE-601  |n DE-Ilm1  |q text/html  |z ilmedia/DBT  |z Kostenfrei 
856 4 0 |u https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2018000614  |x Resolving-System  |z Kostenfrei 
856 4 0 |u http://d-nb.info/1177298449/34  |v 2019-08-23  |x Langzeitarchivierung Nationalbibliothek 
856 7 |u urn:nbn:de:gbv:ilm1-2018000614  |2 urn 
912 |a GBV-ODiss 
912 |a GBV_ILN_31 
912 |a SYSFLAG_1 
912 |a GBV_KXP 
912 |a GBV_ILN_32 
912 |a GBV_ILN_2403 
951 |a BO 
980 |2 31  |1 01  |b 1849359148  |l Pflichtexemplar  |x 0027  |y x  |z 15-02-19 
980 |2 32  |1 01  |b 1846292360  |f Online  |d ELT 2019  |x 3400  |y k  |z 29-01-19 
980 |2 2403  |1 01  |b 3480621589  |e n  |x 21403  |y l01  |z 01-06-19 
981 |2 31  |1 01  |r https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2018000614 
981 |2 2403  |1 01  |r https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2018000614 
982 |2 32  |1 00  |8 00  |a ilm <2019> 
982 |2 32  |1 00  |8 01  |0 (DE-601)479196206  |a Fachgebiet Nachrichtentechnik <Ilmenau> 
982 |2 32  |1 00  |8 02  |0 (DE-601)476645433  |a Verfasser 
982 |2 32  |1 00  |8 03  |0 (DE-601)476644615  |a Dissertation 
983 |2 32  |1 00  |8 00  |a ZN 6040