Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/13191
Arquivos neste item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2014_DaviMarielBragaDias.pdf | 10,79 MB | Adobe PDF | ver/abrir |
Título: | Separação de sinais gaussianos e não-gaussianos usando ICA e Beamforming |
Autor(es): | Dias, Davi Mariel Braga |
Orientador(es): | Braga, Adoniran Judson de Barros |
Assunto: | Sistemas de comunicação sem fio Processamento de sinais |
Data de apresentação: | Jun-2014 |
Data de publicação: | 26-Mai-2016 |
Referência: | DIAS, Davi Mariel Braga. Separação de sinais gaussianos e não-gaussianos usando ICA e Beamforming. 2014. vi, [46] f., il. Monografia (Bacharelado em Engenharia Redes de Comunicação)—Universidade de Brasília, Brasília, 2014. |
Resumo: | Este projeto visa apresentar um método de separação de vários
sinais gaussianos e não-gaussianos, misturados entre si, a partir da observação em
receptores com múltiplos sensores em um sistema MIMO (do inglês Multiple-Input,
Multiple-Output). A separação destes sinais é feita através de uma técnica de
iteração de dois métodos de estimação bastante conhecidos: o método de Análise
de Componentes Independentes (ICA, do inglês Independent Component Analysis),
usado para a separação de fontes não-gaussianas, e o método de Estimativa
do Parâmetro do Sinal por meio de Técnica de Invariância Rotacional (ESPRIT,
do inglês Estimation of Signal Parameter via Rotational Invariance Technique),
usada para a separação de fontes gaussianas. Resultados de simulações
computacionais mostram que o erro de estimação dessas fontes diminui
até alcançarem dois tipos de convergência, um de curto prazo, com redução
do erro em 42%, e outro de longo prazo, com redução em 17%. _______________________________________________________________________________ ABSTRACT This project intention is to show a separation method of Gaussian and non-Gaussian Signal, mixed together, through the observation in receivers with multiple sensors in a MIMO system. This signal separation is done by an iteration technique of two well-known estimation methods: the Independent Component Analysis method (ICA), used for non-Gaussian Signal separation, and the Estimation of Signal Parameter via Rotational Invariance Technique method (ESPRIT), used for Gaussian Signal separation. Computer simulations results indicate that this sources estimation error will decreases and reach two kinds of convergence, one short-term, reducing the error by 42%, and other long-term, reducing by 17%. |
Informações adicionais: | Monografia (graduação)—Universidade de Brasília, Faculdade de Tecnologia, 2014 |
Aparece na Coleção: | Engenharia de Redes de Comunicação |
Este item está licenciado na Licença Creative Commons