موقعیت یابی پراکنده گرهای الکترومغناطیسی با استفاده از الگوریتم های بازسازی خطی و غیرخطی

موقعیت یابی پراکنده گرهای الکترومغناطیسی با استفاده از الگوریتم های بازسازی خطی و غیرخطی برای کاربردهای تصویربرداری مایکروویو

تصویربرداری مایکروویو توسط بسیاری از محققین مورد توجه قرار گرفته و در طول چند دهه اخیر توسعه داده شده است. تصویربرداری مایکروویو یک مساله پراکندگی معکوس بوده و روشهایی که برای حل مسائل پراکندگی معکوس به کار می­روند را می­توان به دو دسته کلی روش­های خطی و غیرخطی تقسیم نمود. روشهای پراکندگی معکوس غیرخطی، قادر به بازسازی کمی اهداف می­باشند ولی به علت محاسبات زیاد، کاربرد آنها در سیستم­های عملی با محدودیت روبروست. اخیراً روشهای پراکندگی معکوس خطی مبتنی بر پردازش زیر فضا مانند روش MUSIC جهت حل مشکلات الگوریتم­های غیرخطی پیشنهاد شده­اند. روش MUSIC قادر به موقعیت­یابی اهداف از روی نقاط قله طیف شناخته شده می­باشد. برای تشکیل این طیف، تعداد اهداف می­بایست از قبل معین باشد. حضور نویز باعث بوجود آمدن ابهام جهت تعیین تعداد اهداف می­شود.

در این رساله، یک روش تحلیلی جهت تخمین موقعیت و تعداد هدف­های با ابعاد کوچک در مسائل تصویربرداری ۲ بعدی ارائه شده است. در این روش در مرحله اول، از الگوریتم MUSIC استفاده شده و تمام موقعیت­های ممکن برای اهداف بدست می­آید و در مرحله بعد، با به کار بردن یک فرمول تحلیلی که مانند یک فیلتر مکانی عمل می­کند، هدف­های واقعی از هدف­های مجازی جدا می­شوند. نتایج شبیه سازی­ها قابلیت روش پیشنهادی را به اثبات می­رساند.

الگوریتم MUSIC بر اساس تجزیه SVD ماتریس  MSRکار می­کند و این ماتریس در سیستم­های واقعی تصویربرداری مایکروویو کامل نمی­باشد. در این رساله، روشی جهت تکمیل داده­های ماتریس MSR اندازه­گیری شده از سیستم­های عملی پیشنهاد شده است. در این روش، به کمک روش تخمین حداقل مربعات، داده­های نامعین ماتریس MSR تخمین زده شده و ماتریس کامل MSR (CMSR) شکل می­گیرد. داده­های نامعین ماتریس MSR مربوط به سیگنال در گیرنده­های غیرفعال به ازای هر فرستنده فعال می­باشد. روش پیشنهادی با استفاده از داده عملی موسسه Fresnel  مورد آزمایش قرار گرفته و همچنین به ازای داده­های مختلف شبیه­سازی شده مشابه داده واقعی، تست و آزمایش شده است.