بررسی و سنجش دقت زاویه ای الگوریتم های ML، MUSIC، Root-MUSIC و هموارسازی فضایی در تشخیص جهت ورود سیگنال

Abstract

<strong>در این مقاله ابتدا به شبیه سازی الگوریتم های </strong><strong>ML</strong><strong>، </strong><strong>MUSIC</strong><strong>، </strong><strong>Root-MUSIC</strong><strong> و هموارسازی فضایی در محیط دارای نویز و فیدینگ پرداخته و سپس این الگوریتم ها از لحاظ تخمین میزان دقت زاویه های رسیده از دو منبع مقایسه شده اند. با ارایه نتیجه های شبیه سازی چهار الگوریتم در قالب جدول هایی که بر حسب میانگین، انحراف از میانگین، واریانس زاویه های تخمین زده شده و درصد آزمایش های موفق تهیه شده اند، ملاحظه می‌شود که الگوریتم های </strong><strong>Root-MUSIC</strong><strong> و </strong><strong>MUSIC</strong><strong> از لحاظ تخمین و تشخیص زاویه های نزدیک به هم دقت بالاتری دارند. در این دو روش زاویه های نزدیک به هم، تا حدود یک درجه، قابل تشخیص و تفکیک است. افزون بر این نتیجه های شبیه سازی نشان می دهد که الگوریتم هموار سازی فضایی موثرترین روش برای تشخیص منابع همدوس است. </strong>