DOA Estimation of Temporally and Spatially Correlated Narrowband Noncircular Sources in Spatially Correlated White Noise
Notice bibliographique
Résumé
The main contribution of our work consists in developing for the first time a method of estimating the direction of arrival (DOA) parameters assuming noncircular and temporally and spatially correlated signals. This new approach, based on a significant enhancement of the two-sided instrumental variable signal subspace fitting (IV-SSF) method, outperforms its classical version in terms of lower bias and error variance. Moreover, it will be shown that our new method is statistically more efficient than the MODE method especially in the case of partly and fully coherent signals where only the extended and the classical two-sided IV-SSF methods are applicable. We also derive an explicit expression for the stochastic Cramér-Rao bound (CRB) of the DOA estimates from temporally and spatially correlated signals generated from noncircular sources. The new CRB is compared to those of circular temporally correlated and noncircular independent and identically distributed signals to show that the CRB obtained assuming both noncircular sources and temporally correlated signals is lower than the CRBs derived considering only one of these two assumptions. This illustrates the potential gain that both noncircularity and temporal correlation provide when considered together. It will also be proven that the difference between the three CRBs increases with the number of snapshots. However, as the signal-to-noise ratio (SNR) increases, the CRBs merge together and decrease linearly. Moreover, at low SNR values it will be shown that temporal correlation is more informative about the unknown DOA parameters than noncircularity. Finally, the CRB derived assuming noncircular and temporally correlated signals depends on the noncircularity rate, the circularity phase separation, and the DOA separation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».