2. Estudiar los algoritmos de procesamiento de
arreglos de sensores.
Aplicar dichos algoritmos al procesamiento de
señales audibles de banda ancha
Simular el funcionamiento de un arreglo
Implementar un micrófono direccional a partir de
un arreglo de micrófonos omnidireccionales.
3. Medir una señal en diferentes puntos del espacio
(acústica o radio)
Procesar conjuntamente las mediciones para:
Discriminar la dirección de la fuente
Suprimir ruido o interferencia direccional
Aumentar la SINR
13. Beamscan beamformer
Es equivalente a dirigir el arreglo hacia una dirección y medir la
potencia.
•Baja resolución
•Se puede calcular rápidamente a partir de la DFT pero sólo para un
arreglo lineal uniforme.
•Poco usado en la práctica (es el más básico)
16. Covarianza
Schmidt demostró que los autovectores
correspondientes con los D valores singulares más
grandes corresponden con los autovectores de la
señales incidentes y los N = M-D restantes
autovectores son los correspondientes al ruido.
A partir de esto, generó un estimador de D(número
de señales incidentes).
D = M - multiplicidad del mínimo autovalor
22. Consideraciónes
En el caso de tener M sensores y D señales
incidentes, para D=M, la matriz de autocorrelación
es rango completo, generando un problema a la
hora de desarrollar el algoritmo.
La solución presentada por el Dr. Mos Kaveh es
convertir el mínimo valor singular a 0 para o bien
modificar el estimador de D para que devuelva un
valor entre 0 y M-1
26. • Harry L. Van Trees, “Optimum array processing,” Wiley, 2002.
• R. O. Schmidt. Multiple emitter location and signal parameter estimation.
IEEE Trans. Antennas Propag., vol.AP-34, pp. 276-280, March 1986.
• M. Kaveh, “Array signal processing for localization and communication,”
Conferencia de la SPS-IEEE, Buenos Aires, 1 de noviembre de 2013.