Upload
pix8
View
242
Download
7
Embed Size (px)
Citation preview
Traitement d’antennesENST de Bretagne
Thierry Chonavel
Laboratoire CNRS TAMCIC (UMR 2872),[email protected]
24 octobre 2007
Thierry Chonavel Traitement d’antennes 1/38
Plan
1 Position du probleme
2 Localisation de sourcesLocalisation en presence de bruit correleProbleme large bandeEstimation des covariances
3 Formation de voiesGeneralitesFV independante des donneesApproche statistique de la FVFormation de voies adaptative
Thierry Chonavel Traitement d’antennes 2/38
Plan
1 Position du probleme
2 Localisation de sourcesLocalisation en presence de bruit correleProbleme large bandeEstimation des covariances
3 Formation de voiesGeneralitesFV independante des donneesApproche statistique de la FVFormation de voies adaptative
Thierry Chonavel Traitement d’antennes 3/38
Systemes mono-capteurs et multi-capteurs
• Traitement d’antennes (array processing)
traitement
traitement global
systeme mono−capteur
systeme multi−capteurs
Thierry Chonavel Traitement d’antennes 4/38
Observation et problemes envisages
• Nature de l’observation• champ spatio-temporel stationnaire, regulierement echantillonne en
temps et en espace au moyen d’un reseau de capteur• signaux emis par p sources decorrelees• bruit additif decorrele avec les sources
• Problemes envisages• localisation de sources (⇔ estimation de temps de retard)• formation de voies ( formation de diagramme de rayonnement)
• Solution : prise en compte de l’information temporelle et spatiale.
Thierry Chonavel Traitement d’antennes 5/38
Hypotheses generales
• Reseau d’antennes (array antenna)
θ
1 2 N
s(t)
Figure: Source s(t) de frequence f dans la direction θ.
• Reseau lineaire de capteurs equidistants; Ondes planes.
Thierry Chonavel Traitement d’antennes 6/38
Sectre spatio-temporel du champ observe
2π θfo d sin
f
φ
fo
c
Fmax−Fmax
maxφ
φ − max
Figure: Support spectral des ondes planes
Thierry Chonavel Traitement d’antennes 7/38
Espacement entre capteurs
• φ(1, n) = 2π fdc sin θ;
Pour eviter l’ambiguite de position des sources, il faut que
∀f ∈ [−fmax, fmax],∀θ ∈ [−π
2,π
2], |2π
fdc
sin θ| < π, (1)
soit d < c2fmax
(d < λmin2 ).
• On prend generallement d = c2fmax
. On a alors φmax = π.
Thierry Chonavel Traitement d’antennes 8/38
Probleme a bande etroite et a large bande
∆ff
φ
Fmax−Fmax
maxφ
φ − max
c2π θf2 d sin
c2π θf1 d sin
f1 f2
∆φ
• Bande etroite si ∆f << c(N−1)d . Sinon, large bande →
defocalisation.• Pour f fixe la contribution de la source de direction θ est une
sinusoıde de pulsation 2π fdc sin θ
• Donc, en bande etroite, la source peut etre vue comme unesinusoıde.
Thierry Chonavel Traitement d’antennes 9/38
L’hypothese bande etroite (I)
• Reseau lineaire de capteurs equidistants. Signal emis: st = ξe2iπft .Signal recu sur le capteur n:st(n) = st+τ(1,n)(1) = (t + τ) = s1(t)e2iπfτ(1,n) = s1(t)eiφ(1,n)
• Retard et dephasage:
τ(1, n) = d(1,n)c sin θ = (n−1)d
c sin θ
φ(1, n) = 2π (n−1)fdc sin θ.
(2)
• La contribution vectorielle de la source a l’observation sur le reseauest une sinusoıde spatiale de pulsation φ = 2π fd
c sin θ:
s(t) = s(t)[1, eiφ, . . . , ei(N−1)φ]T . (3)
• Le probl eme de localisation de sources peut etre vu comme unprobl eme de d etection de sinusoıdes .
Thierry Chonavel Traitement d’antennes 10/38
L’hypothese bande etroite (II)
c2π f d sin θ 1
2π θ2f d sin c
π(f/Fmax)
π(f/Fmax)−
f
φ
Fmax−Fmax
maxφ
φ − max
f
=π
= −π
• Classiquement: TF par rapport a la variable temporelle• Souvent: trop peu de capteurs pour effectuer la TF spatiale !• Solution : employer des methodes a haute resolution.
Thierry Chonavel Traitement d’antennes 11/38
Plan
1 Position du probleme
2 Localisation de sourcesLocalisation en presence de bruit correleProbleme large bandeEstimation des covariances
3 Formation de voiesGeneralitesFV independante des donneesApproche statistique de la FVFormation de voies adaptative
Thierry Chonavel Traitement d’antennes 12/38
Modele des observations
• Hypothese bande etroite. Frequence f fixee. p sources (p connu !)
• Observation
y t =∑
k=1,p
sk ,td(φk ) + bt = As t + bt (4)
avec d(φ) = [1, eiφ, . . . , ei(N−1)φ]T , A = [d(φ1), . . . , d(φp)], ets = [s1,t , . . . , sp,t ]
T .
• On observe T realisations {y t}t=1,T
Thierry Chonavel Traitement d’antennes 13/38
Connaissance statistique accessible
• A defaut du spectre, on a un acces direct aux premieres covariancesspatiales estimees par Ry = T−1 ∑
t=1,T y tyHt .
• Modele parametrique correspondant:
Ry = E[y tyHt ] = Rs + Rb = ACsAH + Rb, (5)
avec [Cs]ij = δijσ2si
.
Thierry Chonavel Traitement d’antennes 14/38
Principe de la goniometrie
• On suppose le bruit spatialement blanc : Rb = σ2bI
• On exploite la structure hermitienne de Rs:Rs = Udiag{λ1, . . . , λp, 0, . . . , 0}UH , avec λ1 > . . . > λp > 0. Donc
Ry = Udiag{λ1 + σ2b, . . . , λp + σ2
b, σ2b , . . . , σ2
b}UH . (6)
et
vect{d(φ1), . . . , d(φp)} = vect{U1, . . . , Up} = [vect{Up+1, . . . , UN}]H .
(7)• Spectre MUSIC:
g(φ) =1
|∑
k=p+1,n UHk d(φ)H |2
. (8)
Thierry Chonavel Traitement d’antennes 15/38
Cas du bruit correle
• On peut chercher a estimer un modele pour le bruit.
• Plus direct : estimer un modele global signal+bruit pour le spectrespatial.
• Peu de covariances disponibles → regularisation ARMA.• description par equation aux differences• description par modeles d’etat
Thierry Chonavel Traitement d’antennes 16/38
Justification du modele ARMA• Modelisation realiste de la source k sur le capteur n:
sk ,t(n) = eiφk sk ,t(n − 1) + vk ,t(n), (φk = 2πfdc
sin θk ). (9)
• Le bruit peut etre decrit par un modele ARMA:
bt(n) =∑
k=1,q1
αk bt(n − k) +∑
k=0,q2
βk wt(n − k). (10)
Spectre spatial de yt(n) =∑
k=1,p sk ,t(n) + bt(n):
Sy (φ) =∑
k=1,p
σ2vk
|1 − eiφk e−iφ|2+ σ2
w
|∑
k=0,q2βk e−ikφ|2
|1 +∑
k=1,q1αke−ikφ|2
. (11)
• Estimation Sy (φ) a partir de [Ry ]11, . . . , [Ry ]N1.
Thierry Chonavel Traitement d’antennes 17/38
Estimation ARMA par modele d’etat (I)
• Modele des sources (theorique),du bruit et global:{
xs(n) = diag{eiφ1, . . . , eiφp}xs(n − 1)s(n) = [1, . . . , 1]xs(n)
(12)
{
xb(n) = Fbxb(n − 1) + w(n)b(n) = Gbxb(n)
(13)
x(n) =
[
diag{eiφ1, . . . , eiφp} 00 Fb
]
x(n − 1) +
[
0w(n)
]
= Fx(n − 1)
y(n) = [1, . . . , 1, Gb]x(n) = Gx(n).(14)
Thierry Chonavel Traitement d’antennes 18/38
Estimation ARMA par modele d’etat (II)• La technique utilise la matrice de Hankel des covariances
Ry (0) Ry (1) . . . Ry (N/2)Ry (1) Ry (2) . . . Ry (N/2 + 1)
. ..
Ry(N/2) Ry (N/2 + 1) . . . Ry (N)
=
GGF...
GFN/2
.[
PH FPH . . . FN/2PH]
= 0C, P = cov(x(n)).
(15)
• On note que O↑ = O↓F, soit F = (O↓HO↓)−1O↓HO↑ = O↓#O↑.• Les {φk}k=1,p sont fournis par les arguments des valeurs propres de
F proches du cercle unite.
Thierry Chonavel Traitement d’antennes 19/38
Probleme large bande
• Methode: synthetiser les resultats obtenus dans les sous-bandesetroites.
• On exploite le fait que pour une source φ varie lineairement avec f .
• Une technique possible; Moyenner les spectres MUSIC:
g(φ) =1
∑
k=1,K gk (fk , φ), avecgk(φ) =
1∑
k=p+1,N Uk(fk )d(fk , φ),
(16)
et d(fk , φ) = [1, ei fmax
fkφ, . . . , e
i(N−1) fmaxfk
φ]T , car a la frequence f et
pour la direction θ, φ = 2π fdc sin θ.
• Perte de resolution.
Thierry Chonavel Traitement d’antennes 20/38
Focalisation
• Deux approches• transformation lineaire : T(fk )d(fk , φ) = d(fmax, φ)• transformation non lineaire : Sk (fk , φ) → Sk (fmax, φ).
Thierry Chonavel Traitement d’antennes 21/38
Focalisation lineaire
1 Estimation bande etroite des pulsations (φu,k )u=1,p;k=1,K auxfrequences f1, . . . , fmax
2 Construire {T(fk )}k=1,K telles que T(fk )Ak (fk ) = Ak(fmax), avecAk (fk ) = [d(fk , φ1,k ), . . . , d(fk , φp,k )]. On peut prendre
T(fk ) = [Ak (f0), A(f0)][Ak (fk ), A(fk )]−1. (17)
3 Construire la matrice de covriance focalisee
Ry =∑
k=1,K
T(fk )Ry (fk )T(fk )H (18)
Thierry Chonavel Traitement d’antennes 22/38
Focalisation lineaire approchee
• On voudrait que T(fk )d(fk , φ) ≈ d(fmax, φ), ∀φ
• On peut prendre
T(fk ) = arg minT(fk )
∫ π
−π
‖ T(fk )d(fk , φ) − d(fmax, φ) ‖ dφ,
ou un critere contraint si on veut priviliegier certaines directions:
minT(fk )
∫ π
−π‖ T(fk )d(fk , φ) − d(fmax, φ) ‖ dφ
T(fk )d(fk , φi) ≈ d(fmax, φi ), i = 1, . . . , p.
(19)
Thierry Chonavel Traitement d’antennes 23/38
Focalisation non lineaire
1 Estimer le spectre Sk (φ) aux frequences f1, . . . , fmax.
2 Focaliser les spectres
Sk(φ) → Sk(fmax
fkφ). (20)
3 Extraire conjointement les pulsations {φk}k=1,p
Thierry Chonavel Traitement d’antennes 24/38
Parametrisation des covariances
• Parametrisation de la matrice des covariances R (structure Toeplitz)• Approximation conique:
K+M =
S =∑
m=1,M
αmd(φm)d(φm)H ; αm ≥ 0, φm = (2m − M − 1)π/M
(21)
• Estimation par optimisation :
{
minα ‖ (R−1 ∑
m=1,M αmd(φm)d(φm)H − R−1)R−1 ‖
αm ≥ 0, m = 1, . . . , M.(22)
Thierry Chonavel Traitement d’antennes 25/38
Estimation des covariances
• Hypothese gaussienne. Log-vraisemblance:
L(S) = − log |S| − Tr [S−1R].
• Proleme des optima locaux.
• Estimateur asymptotiquement equivalent:
minS
‖ (S − R)R−1 ‖2 .
Thierry Chonavel Traitement d’antennes 26/38
Conclusions sur la localisation de sources
• Localisation en presence de bruit blanc : algorithme MUSIC ouvariantes
• En presence de bruit correle : estimation ARMA du spectre spatial
• Localisation de sources a large bande : focalisation lineaire ou nonlineaire des solutions a bande etroite.
• Estimation de la matrice de covariance des observations
• Remarque: le diagramme de rayonnemment global sera le produitdu diagramme d’un capteur (capteurs identiques) par la fonction dereseau.
Thierry Chonavel Traitement d’antennes 27/38
Plan
1 Position du probleme
2 Localisation de sourcesLocalisation en presence de bruit correleProbleme large bandeEstimation des covariances
3 Formation de voiesGeneralitesFV independante des donneesApproche statistique de la FVFormation de voies adaptative
Thierry Chonavel Traitement d’antennes 28/38
Formation de voies (beamforming)
• Objectif: formation electronique d’un diagramme de rayonnement• Methode: combinaison des sorties d’un reseau de capteurs
• par ponderation scalaire des sorties de capteurs• par filtrage des sorties de capteurs
• Traitement large bande et bande etroite• Differentes approches possibles
• prise en compte des sorties de capteurs• traitements par blocs ou adaptatif
Thierry Chonavel Traitement d’antennes 29/38
Approche elementaire
• On observe y t = d(f , φ)st + bt (d(f , φ) = [, . . . , e2iπ fdc sin θ]T )
• Formation de voies par remise en phase de l’information utile
zt = d(f , φ)Hy t = Ns(t) +∑
n=1,N
b(n)e−2iπ(n−1) fdc sin θ.
• Fonction de reseau: g(φ) = |d(φ)H
1.1
|2 = (sin(Nφ)sin(φ) )2.
• Pour une source large bande, il faudrait appliquer d(f , φ)H pourchaque frequence f , c.a.d. un filtre de reponse frequentielleh(n, f ) = e−2iπ(n−1) fd
c sin θ sur le capteur n.• Dans le cas large bande, deux approches sont possibles:
• filtrage derriere chaque capteur• realiser des traitements bande etroite dans le domaine temporel.
Thierry Chonavel Traitement d’antennes 30/38
Traitements large bande
Thierry Chonavel Traitement d’antennes 31/38
FV independante des donnees
• Frequence f fixee. Formation de voie simple:
zt = d(f , φ)Hy t = Ns(t) +∑
n=1,N
b(n)e−2iπ(n−1) fdc sin θ.
• Gain de formation de voies
GFV =SNRFV
SNR0=
Tr(Rb)
Tr(ΠRb),
avec Π = d(f ,φ)d(f ,φ)H
‖d(f ,φ)‖2 .
• Estimateur spectral du periodogramme
S(φ) = E[|z|2] = d(f , φ)HRyd(f , φ).
Thierry Chonavel Traitement d’antennes 32/38
Generalisation
• On chercheh = arg min
h‖ AHh − rd ‖2,
avec A = [d(f , φ1), . . . , d(f , φp)] et, en general, [rd ]k ∈ {0, 1}.
• Solution unique pour p ≥ N:
h = (AAH)−1Ard .
• Cas large bande: A = [d(f1, φ1), . . . , d(fp, φp)].
• Pour p < N, la solution de norme minimale s’ecrit
h = A(AHA)−1rd .
Thierry Chonavel Traitement d’antennes 33/38
Approche statistique de la FV
• On exploite la connaissance de Ry
• Approche generale. Pour Ry = Rs + Rb le critere de maximum deSNR s’ecrit:
h = arg maxh
hHRshhHRbh
• Caractere general et limitation de cette approche.
• Solution: h est le vecteur propre associe a la plus grande valeurpropre de R−1
b Rs.
Thierry Chonavel Traitement d’antennes 34/38
Filtre adapte spatial
• Encore appele estimateur a variance minimale• On cherche h solution de
{
minh E[|hHy|2]hHd(fp, φp) = 1
qui est donnee par le filtre adpt e spatial (FAS)
h =R−1
y d(fp, φp)
d(fp, φp)HR−1y d(fp, φp)
• Gain par rapport a la formation de voies classique:GFAS = SNRFAS
SNRFV= Tr(ΠRb)Tr(ΠR−1
b ).
• Estimateur spectral de Capon: S(φ) = 1d(fp ,φp)HR−1
y d(fp ,φp).
Thierry Chonavel Traitement d’antennes 35/38
Generalisation: GSC{
minh hHA(y)hCHh = c.
• Optimum h = A−1C(CA−1CC)−1c.• Methode GSC (Generalized Sidelobe Canceler): prend en compte
l’evolution temporelle de A(y) (par ex. A(y) = Ry ) avec un cout decalcul limite
• h = h0 + Ch• avec CHh0 = c et Im{C} = Ker{C}.• Solution: h0 = C(CHC)−1c et (par ex.) h = (CA(y)C)−1CHA(y)h0.
• Proprietes• L’information statistique n’est contenue que dans h• h est de dimension inferieure a N• Possibilite d’implementation adaptative.
Thierry Chonavel Traitement d’antennes 36/38
Formation de voies adaptative
• Presentation unifiee des criteres
h = arg minh
|yd − hHx|2 = R−1x rxyd
• Pour le GSC: x = Cy et yd = hH0 y.
• On peut estimer h de facon recursive par les algorithmes LMS ouRLS (voir cours de traitement du signal adaptatif).
• Formation de voies partiellement adaptative.
Thierry Chonavel Traitement d’antennes 37/38
Conclusion
• Possibilite de former le diagramme de rayonnement d’une antenne.
• Prise en compte de contraintes (directions de gain fort ou de gainfaible, ...)
• Prise en compte des statistiques de l’observation
• Techniques a cout de calcul limite (GSC, traitement adaptatif)
• Lien avec le probleme de la localisation de sources.
Thierry Chonavel Traitement d’antennes 38/38