TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
4.4 Application à la formation de faisceaux spatio-temporelle 73<br />
avec S j (ω) def = 1 T S j( ω<br />
2πT ), S S (ω) def = 1 T S S( ω<br />
2πT ), φ j (ω) def = φ ( θ j , ω+ω )<br />
0<br />
2πT et φS (ω) def = φ ( θ S , ω+ω )<br />
0<br />
2πT . Par<br />
conséquent, R m , m = ..., −1,0,1,..., (R −m = R H m ) sont générés par les coefficients de Fourier des fonctions<br />
matricielles Hermitiennes de dimension N × N :<br />
R(ω) =<br />
{∑ J<br />
j=1 S j(ω) φ j (ω)φ j (ω) H +σ 2 nI for |ω| ≤ πBT<br />
0 for πBT < |ω| ≤ π<br />
et<br />
R S (ω) =<br />
{<br />
SS (ω) φ S (ω)φ S (ω) H for |ω| ≤ πBT<br />
0 for πBT < |ω| ≤ π .<br />
4.4.3 Etude de performance asymptotique<br />
Interférences quelconques<br />
La formation de faisceaux spatio-temporelle consiste à filtrer linéairement les données par un vecteur<br />
où les filtres spatiaux aux différents retards sont concaténés. On note le filtre w M , lorsque M retards<br />
sont utilisés. Dans ce chapitre, on considère le critère d’optimisation du SINR maximal. Le filtrage spatiotemporel<br />
optimal (au sens de la maximisation du SINR) maximise le quotient de Rayleigh généralisé :<br />
SINR(M) def w H<br />
= max<br />
¯R M S,M w M<br />
w M wM H ¯R (4.5)<br />
M w M<br />
où ¯R S,M et ¯R M sont les matrices de covariance spatio-temporelles des signaux utiles et d’interférences<br />
plus bruit, respectivement, données par (4.4). Comme cela a été remarqué précédemment, ¯RS,M et ¯R M<br />
sont respectivement, Hermitienne semi-définie positive et Hermitienne définie positive. Par conséquent, la<br />
solution de ce problème d’optimisation est donnée par le vecteur propre généralisé principal de ces deux<br />
matrices, soit :<br />
−1<br />
w M ∝ P( ¯R ¯R M S,M )<br />
où P(.) représente le vecteur propre associé à la plus grande valeur propre généralisée d’une matrice.<br />
Ensuite, le SINR spatio-temporel optimal est donné par la plus grande valeur propre généralisée de ¯R S,M<br />
et ¯R M qui correspond également à :<br />
SINR(M) = max<br />
λ<br />
−1<br />
λ( ¯R ¯R M S,M ) = max λ( ¯R S,M , ¯R M ).<br />
λ<br />
Notant que le filtrage spatio-temporel avec M retards est un cas particulier du traitement avec M + 1<br />
retards, où le filtre spatial correspondant au (M + 1) eme retard est forcé à zéro, on obtient l’inégalité<br />
suivante relative à (4.5) :<br />
SINR(M + 1) ≥ SINR(M).<br />
Cette propriété peut également se déduire de Théorème 1 appliqué aux sous-matrices principales ¯R S,M<br />
et ¯R M de ¯R S,M+1 et ¯R M+1 respectivement.<br />
On considère dans la suite la limite du SINR par rapport à M pour des DOAs de sources d’interférence<br />
et de source utile arbitraires. Dans le cas où T = 1 B<br />
, les hypothèses de Théorème 2 et Corollaire 1 s’appliquent<br />
à la séquence de matrices de covariance spatio-temporelles (R S,M ,R M ) par rapport au nombre<br />
de retards :<br />
lim SINR(M) =<br />
M→∞<br />
max<br />
λ,ω∈[−π;π] {λ(R−1 (ω)R S (ω))}<br />
= max<br />
λ,f∈[− B 2 ; B 2 ] {λ(R −1 (f)R S (f))}