Abstract
When using a sample covariance matrix data in paucity of snapshots, adaptive matched field processing will have problem in inverting covariance matrix due to the rank deficiency. The general solutions are diagonal loading and eigenanalysis methods, but there is a significant bias in the power output. This paper presents a quantitative study of bias of power output and the performance of source localization through the simulation and the measured data analysis in fixed source case using the diagonal loading method for the minimum variance processor. Results show that the bias in power output is reduced and the performance of source localization is improved when the number of snapshots is greater than the number of array sensors.
적응 정합장처리에서 어레이의 센서 수보다 부족한 신호단편 수로 표본 공분산행렬을 구성할 경우 행렬 계수의 부족으로 행렬의 역변환에 문제가 발생된다. 이를 해결하기 위해 표본 공분산행렬의 대각성분에 일정한 값을 더하거나 고유분해와 같은 기법을 사용하나, 그 결과로 프로세서 출력에서는 바이어스가 발생된다. 본 논문은 고정음원에서 신호단편의 수에 따른 적응 프로세서 출력의 바이어스와 음원 위치 추정 결과를 고찰하기 위해 표본 공분산행렬의 대각성분에 일정한 값을 첨가하는 방법으로 최소분산 기법을 사용하여 수치실험과 실측 자료를 분석하였다. 그 결과 센서 수보다 많은 신호단편을 사용하는 것이 바이어스가 적으며, 음원 위치 추정에서도 좋은 성능을 보였다.
