Compressive sensing for array signal processing

“…Compressive Sensing (CS) is a signal processing technique for efficiently acquiring and reconstructing a sparse or compressible signal with fewer samples than the Nyquist-Shannon theorem [5][6][7][8]. The last few years have seen a tremendous progress in CS theory and applications.…”

Section: Introductionmentioning

confidence: 99%

“…The last few years have seen a tremendous progress in CS theory and applications. It can be applied for array signal processing in both time and spatial domains [6]. For DOA estimation, a CS-based method has been proposed in [9] and has some initial advantages of compressing data in the time and spatial domains.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Antenna without Phase Center for DOA Estimation in Compressive Array Processing

Quynh¹,

Tran²,

Linh-Trung³

et al. 2014

IJCA

View full text Add to dashboard Cite

show abstract

“…Sparsitas frekuensi mengambil pendekatan bahwa sinyal yang datang memiliki lebar pita sempit atau pun single frequency. Penelitian yang mengambil asumsi ini antara lain adalah [13], [14], [15], dan [16]. Sparsitas spasial mengambil pendekatan berbeda yaitu bahwa sinyal yang diterima oleh satu antena pada array adalah sama dengan sinyal yang diterima oleh antena yang berdekatan dengannya, dengan perbedaan hanya pada time delay.…”

unclassified

Peningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas Sudut dan Sampel Multisnap

Usman

Suksmono

Gunawan

2014

INKOM

View full text Add to dashboard Cite

The development of compressive sensing has enabled many application solved using this technique. One of the application of compressive sensing in direction of arrival estimation techniques is reducing the number of samples of signals. There are three main schemes that utilized compressive sensing in direction of arrival estimation, namely: frequency sparsity technique, spatial sparsity technique, and angle sparsity technique. This research focuses on angle sparsity technique which is superior compared to other techniques in term of sample reduction and simplicity. Given those advantages, angle sparsity technique suffered in high noise environment. Especially, when SNR is less then 0 dB, this scheme produced estimation error of more than 5 degree. The estimation error grows unacceptable at SNR less then -5 dB where the estimation error is above 10 degree. A proposed method to mitigate this problem is to utilize multisnap samples. There are two multisnap schemes proposed here, which are simple multisnap and multisnap with outliers removal. Simulation results show that the estimation accuracy improves about 2 degree in SNR 0 dB and improve more then 10 degree in SNR -5 dB using simple multisnap. Outliers removal technique is further improve the accuracy, especially for SNR less then -5 dB. keywords: Direction of Arrival Estimation, covariance matrix, Sparsity, Compressive Sensing, Matrix Completion Abstrak Perkembangan teknik compressive sensing beserta pemanfaatannya digunakan pada berbagai penyelesaian permasalahan. Salah satu pemanfaatannya yang dibahas di sini adalah untuk pengurangan sampel pada skema estimasi arah kedatangan sinyal. Secara umum terdapat tiga skema besar pemanfaatan teknik compressive sensing untuk estimasi arah kedatangan: skema sparsitas frekuensi, skema sparsitas spasial dan skema sparsitas sudut. Dari ketiga teknik ini, skema sparsitas sudut menjadi fokus pada penelitian ini karena keuntungannya dalam mengurangi sampel yang superior dibandingkan dengan dua skema lainnya. Keuntungan lain dari skema ini adalah kesederhanaannya. Kekurangan dari skema ini adalah sensitifitas terhadap noise. Pada lingkungan dengan noise tinggi dengan SNR kurang dari 0 dB, skema ini menderita kesalahan estimasi sudut di atas lima derajat. Tingkat kesalahan estimasi meningkat pada level yang tidak dapat lagi diterima untuk SNR kurang dari -5 dB. Peningkatan ketahanan terhadap noise yang dilakukan pada penelitian ini adalah dengan menggunakan teknik multisnap sampel. Ada dua skema yang diusulkan yaitu teknik multisnap sederhana dan teknik multisnap dengan outliers removal. Hasil simulasi menunjukkan teknik multisnap sederhana meningkatkan akurasi sekitar 2 derajat pada SNR 0 dB. Pada SNR -5 dB terjadi peningkatan akurasi secara signifikan di atas 10 derajat. Pada teknik multisnap dengan outliers removal terjadi peningkatan akurasi lebih lanjut pada SNR kurang dari -5 dB. kata kunci: Estimasi arah kedatangan sinyal, Matriks Kovariansi, Sparsitas, Compressive Sensing, Matrix Completion

show abstract

Compressive sensing for array signal processing

Cited by 7 publications

References 10 publications

Di̇k Eşleşti̇rme Arayiş Yöntemi̇ İle Hi̇bri̇t Veri̇ Sikiştirma Ve Opti̇ksel Kri̇ptografi̇

Di̇k Eşleşti̇rme Arayiş Yöntemi̇ İle Hi̇bri̇t Veri̇ Sikiştirma Ve Opti̇ksel Kri̇ptografi̇

Antenna without Phase Center for DOA Estimation in Compressive Array Processing

Peningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas Sudut dan Sampel Multisnap

Contact Info

Product

Resources

About