پردازش سیگنالهای آرایه ای با استفاده از هایدروفنهای برداری در حضور نویز غیرگوسی

امروزه پردازش سیگنالهای آرایه ای به یک حوزه فعال تحقیقاتی و مهندسی تبدیل شده است و کاربردهای زیادی در رادار، سونار، جهت یابی سیگنال، ستاره شناسی رادیویی، زلزله شناسی و روش های تشخیص پزشکی و درمانی دارد. جهت یابی سیگنال های صوتی زیر آب توسط هایدروفن ها نیز یکی از کاربردهای مهم پردازش سیگنال آرایه ای است. در این راستا، تعیین مدل آماری نویز محیطی نقش مهمی دارد. از آن جایی که کانال مخابراتی زیر آب یک کانال متغیر با زمان است، فرضیه نویز گوسی مدل مناسبی برای نویز زیر آب به نظر نمی رسد. بررسی ها و اندازه گیری های دقیق نشان می دهند که در محیط زیر آب مدل نویز، غیرگوسی است. تاکنون مدلهای غیرگوسی فراوانی در مقالات معرفی شده است .یکی از این مدلهای معروف، سریهای زمانی است که کاربردهای زیادی برای مدل کردن پدیده های ناپایدار همچون پدیده های اقتصادی داشته است. مدل garch یکی از انواع سری های زمانی است که به واسطه دنباله دار بودن تابع چگالی احتمال و متغیر با زمان بودن واریانس آن ویژگی های نویز محیطی زیر آب را به خوبی پوشش می دهد. در این پایان نامه، عملکرد الگوریتم های جهت یابی به ازای نویز garch و گوسی با هم مقایسه شده-است. در این راستا، الگوریتم های جهت یابی مبتنی بر زیرفضا همچون music و esprit برای آرایه ای خطی و یکنواخت از هایدروفن های اسکالر به کار گرفته شده است. سپس عملکرد الگوریتم esprit برای دو هایدروفن برداری هم محور، دور از سطوح منعکس کننده در حضور نویز غیر گوسی بررسی شده است. معیار جذر میانگین مربعات خطا در تشخیص زوایای ورود، برای سنجش عملکرد این الگوریتم ها در مقابل تغییر پارامترهای مختلف مدل garch ترسیم شده است که در تمامی حالات عملکرد الگوریتم های تخمین جهت ورود به ازای نویز غیرگوسی garch، برای محدوده مشخصی از و یا عملکرد بهتر و خطای کمتری در مقایسه با مدل نویز گوسی داشتند.