Please use this identifier to cite or link to this item: http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2009
Modeling and simulation of uncondictional maximum likelihood approach for direction of arrival of near field sources
Modelado y simulación de la aproximación de máxima verosimilitud (ML) incondicional en la determinación del DoA en campo cercano.
Darío Bonilla Hernández
DAVID HILARIO COVARRUBIAS ROSALES
Acceso Abierto
Atribución
Planificación celular,optimización del radio celular,técnicas heurísticas,WCDMA,comunicaciones móviles celulares
La detección de la Dirección de Arribo (DoA) de múltiples terminales móviles de banda estrecha, es uno de los temas de mayor investigación en la actualidad dentro de la tecnología de Antenas Inteligentes. Para este propósito se han estudiado distintos métodos, empleando técnicas sub-óptimas y óptimas. Los más utilizados han sido los métodos de subespacio, dadas sus ventajas de rapidez y bajo costo computacional. Pensando en algoritmos que proporcionen una mejor distinción de fuentes cercanas, menor error de estimación y buena eficiencia en ambientes ruidosos, es necesario utilizar nuevos métodos que resuelvan el problema de la localización de fuentes de manera eficiente. Dadas las cualidades de los métodos de inferencia estadística, tales como la consistencia, sesgo y de varianza mínima, es interesante considerar los métodos de Máxima Verosimilitud (ML) para aplicarse al problema de localización de fuentes en sistemas de comunicaciones celulares, ya que pueden ser aplicables a sistemas con señales de banda ancha, con mayor número de usuarios, e incluso bajo ambientes muy agresivos donde se tenga una baja Relación Señal a Ruido (SNR). En este trabajo se realiza el estudio de las propiedades de modelado y simulación de la estimación  de la posición de las fuentes de interés bajo la condición de campo cercano por medio de algoritmos de Máxima Verosimilitud Incondicional basados en el método de Maximización de la Esperanza. Así como, también, la evaluación de las bondades del estimador de Máxima Verosimilitud, su modelado y simulación bajo la variación de los parámetros de: Nivel de ruido,  número de muestras tomadas, número de fuentes a localizar y la separabilidad entre fuentes cercanas.  A partir de los resultados obtenidos se definirán las ventajas y desventajas del estimador ML, comparado con el algoritmo MUSIC (Multiple Signal Classification) basado en subespacios. Se establecerán las limitaciones principales de ambos métodos y los escenarios bajo los que responden adecuadamente, encontrándose que el estimador de máxima verosimilitud es más robusto, y resuelve el problema de la localización de fuentes de manera más eficiente bajo las consideraciones establecidas.  
The Direction of Arrival (DoA) is applied to detection of multiple sources, and  is one of the most studied problem in smart antennas technology. For this purpose, there had been studied many methods, based on optimal and sub-optimal techniques. Sub-space based methods had been most popular given their advantages such as speed and easy implementation. Thinking in improve performance algorithms which had better resolution on localization of near field sources, less estimation error, and a good efficiency under high noise scenarios is necessary the use of methods that solves the  source localization problem in a more efficient way. Due to many attractive characteristics of the statistical inference methods such as consistence, minimum variance and asymptotic unbiasedness, is interesting to considerate the Maximum Likelihood Estimation methods for the application on the source localization problem on mobile communications systems. Also, they could be applied to wideband signals systems, for multiple sources and for aggressive scenarios with a low Signal to Noise Ratio (SNR). This thesis studies the main features, model and simulation of the source location estimation under near field condition by Unconditional Maximum Likelihood method, based on Expectation Maximization algorithm. Also, this thesis evaluates the performance, modeling and simulation of this estimator for the variance of the parameters: Noise level, number of snapshots, number of  sources, and closely spaced sources.   According to the results obtained we found the advantages and disadvantages of the ML Estimator compared with the MUSIC (Multiple Signal Classification) algorithm, which is a based in sub-space method. For both methods were established the principal limitations and the scenarios for which they work properly. Also we found that the ML estimator is more robust and solves the source localization problem in a more efficient way for the considerations above established.   
CICESE
2005
Tesis de maestría
Español
Bonilla Hernández,D.2005. Modelado y simulación de la aproximación de máxima verosimilitud (ML) incondicional en la determinación del DoA en campo cercano. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 92 pp.
TECNOLOGÍA DE LAS TELECOMUNICACIONES
Appears in Collections:Tesis - Electrónica y Telecomunicaciones

Upload archives


File Description SizeFormat 
167481.pdfVersión completa de la tesis2.35 MBAdobe PDFView/Open