Separação de sinais gaussianos e não-gaussianos usando ICA e Beamforming

Abstract

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%.