Calibration robuste à grande échelle pour la radioastronomie
Des informations générales:
Le niveau |
Master |
Titre |
Calibration robuste à grande échelle pour la radioastronomie |
SPECIALITE |
Télécommunications |
Page de garde:
Sommaire:
Chapitre I: La radioastronomie
I.1 Introduction
1.2 L’astronomie
1.3 Développement de l’astronomie
1.3.1 L’évolution de l’observation astronomique
1.3.2 La lunette astronomie
1.3.2.1 Le principe de fonctionnement
1.3.2.2 Principale résultats d’utiliser la lunette astronomie
1.3.3.1 Le télescope
1.3.3.2 L’évolution de télescope
I.4 La Radio Astronomie
I.4.1 Définition
I.4.2 Historique
I.4.3 Les applications de la radioastronomie
I.5 L’évolution de radioastronomie
I.5.1 Le radiotélescope
I.5.2 Exemples des radiotélescopes
I.6 L’interféromètre
I.6.1 L’interféromètre astronomique
I.6.2 Le principe
I.6.3 Les réseaux
I.6.3.1 LOW Frequency Array
I.6.3.2 Square Kilometer Array
I.7 Calibration
I.7.1 Les effets instrumentaux
I.7.1.1 Les effets de propagation
I.7.1.2 Les algorithmes de calibration
I.7.2 Les effets de perturbations
I.8 Conclusion
Chapitre II: Calibration de capteurs d’un réseau d’antennes séparés et estimation des directions d’arrivée par les méthodes du Maximum de vraisemblance
II.1 Introduction
II.2 L’estimateur du maximum de vraisemblance
II.2.1 La fonction de vraisemblance Principe
II.3 Modèle Mathématique
II.3.1 Modèle à Bande Etroite
II.3.2 Modèle de données paramétriques
II.4 Calibration des capteurs du réseau d’antennes par des méthodes ML
II.4.1 Modèle d’observation
II.4.1.1 Matrice de calibration
II.4.1.2 Géométrie des sous-réseaux de capteurs
II.4.2 L’algorithme itératif IML pour la calibration et l’estimation des DOAS
II.4.2.1 Estimation de
II.4.2.2 Estimation de G
II.4.2.3 Estimation de Su
II.4.2.4 Estimation de Ou
II.4.3 L’algorithme ML itératif modifié (MIML)
II.4.4 La simulation
II.5 Conclusion
Chapitre III: Calibration robuste de capteurs d’un réseau d’antennes par la méthode EM
III.1 Introduction
III.2 La différence entre l’algorithme ML et EM
III.3 L’algorithme EM
III.3.1 Définition
III.3.2 Les étapes d’EM
III.3.3 Modèle de données paramétriques
III.3.4 Les propriétés des données complètes
III.3.5 L’algorithme EM dans le cas d’échantillon i .i .d.
III.4 L’estimation robuste de la direction d’arrivée DOA
III.4.1 L’estimation moyenne robuste
III.4.1.1 La distribution gaussienne réelle
III.4.1.1.1 Application dans l’algorithme EM
III.4.1.1.2 Application de l’hypothèse gaussienne
III.4.1.2 La distribution gaussienne complexe
III.4.2 L’estimation de gain d’élément G et la covariance de bruit Σ
III.4.2.1 L’estimation de G par la méthode EM.
III.4.2.2 L’estimation de Σ par la méthode EM
III.4.2.3 L’estimation de G sous l’hypothèse gaussienne
III.4.2.4 L’estimation de Σ sous l’hypothèse gaussienne
III.5 Analyse de l’estimation robuste par simulation
III.5.1 La simulation de la moyenne μ et la covariance Σ
III.5.1.1 Dans les conditions d’un environnement gaussien
III.5.1.2 Dans les conditions d’un environnement non gaussien
III.5.2 La simulation de l’estimation du gain de calibration G
III.5.2.1 L’estimation de G en fonction de nombre des échantillons
III.5.2.2 L’estimation de G en fonction de SNR
III.5.2.3 L’estimation de G en fonction de valeurs aberrants en poursantage.
III.6 Conclusion
Conclusion générale
Bibliographie
I.1 Introduction
1.2 L’astronomie
1.3 Développement de l’astronomie
1.3.1 L’évolution de l’observation astronomique
1.3.2 La lunette astronomie
1.3.2.1 Le principe de fonctionnement
1.3.2.2 Principale résultats d’utiliser la lunette astronomie
1.3.3.1 Le télescope
1.3.3.2 L’évolution de télescope
I.4 La Radio Astronomie
I.4.1 Définition
I.4.2 Historique
I.4.3 Les applications de la radioastronomie
I.5 L’évolution de radioastronomie
I.5.1 Le radiotélescope
I.5.2 Exemples des radiotélescopes
I.6 L’interféromètre
I.6.1 L’interféromètre astronomique
I.6.2 Le principe
I.6.3 Les réseaux
I.6.3.1 LOW Frequency Array
I.6.3.2 Square Kilometer Array
I.7 Calibration
I.7.1 Les effets instrumentaux
I.7.1.1 Les effets de propagation
I.7.1.2 Les algorithmes de calibration
I.7.2 Les effets de perturbations
I.8 Conclusion
Chapitre II: Calibration de capteurs d’un réseau d’antennes séparés et estimation des directions d’arrivée par les méthodes du Maximum de vraisemblance
II.1 Introduction
II.2 L’estimateur du maximum de vraisemblance
II.2.1 La fonction de vraisemblance Principe
II.3 Modèle Mathématique
II.3.1 Modèle à Bande Etroite
II.3.2 Modèle de données paramétriques
II.4 Calibration des capteurs du réseau d’antennes par des méthodes ML
II.4.1 Modèle d’observation
II.4.1.1 Matrice de calibration
II.4.1.2 Géométrie des sous-réseaux de capteurs
II.4.2 L’algorithme itératif IML pour la calibration et l’estimation des DOAS
II.4.2.1 Estimation de
II.4.2.2 Estimation de G
II.4.2.3 Estimation de Su
II.4.2.4 Estimation de Ou
II.4.3 L’algorithme ML itératif modifié (MIML)
II.4.4 La simulation
II.5 Conclusion
Chapitre III: Calibration robuste de capteurs d’un réseau d’antennes par la méthode EM
III.1 Introduction
III.2 La différence entre l’algorithme ML et EM
III.3 L’algorithme EM
III.3.1 Définition
III.3.2 Les étapes d’EM
III.3.3 Modèle de données paramétriques
III.3.4 Les propriétés des données complètes
III.3.5 L’algorithme EM dans le cas d’échantillon i .i .d.
III.4 L’estimation robuste de la direction d’arrivée DOA
III.4.1 L’estimation moyenne robuste
III.4.1.1 La distribution gaussienne réelle
III.4.1.1.1 Application dans l’algorithme EM
III.4.1.1.2 Application de l’hypothèse gaussienne
III.4.1.2 La distribution gaussienne complexe
III.4.2 L’estimation de gain d’élément G et la covariance de bruit Σ
III.4.2.1 L’estimation de G par la méthode EM.
III.4.2.2 L’estimation de Σ par la méthode EM
III.4.2.3 L’estimation de G sous l’hypothèse gaussienne
III.4.2.4 L’estimation de Σ sous l’hypothèse gaussienne
III.5 Analyse de l’estimation robuste par simulation
III.5.1 La simulation de la moyenne μ et la covariance Σ
III.5.1.1 Dans les conditions d’un environnement gaussien
III.5.1.2 Dans les conditions d’un environnement non gaussien
III.5.2 La simulation de l’estimation du gain de calibration G
III.5.2.1 L’estimation de G en fonction de nombre des échantillons
III.5.2.2 L’estimation de G en fonction de SNR
III.5.2.3 L’estimation de G en fonction de valeurs aberrants en poursantage.
III.6 Conclusion
Conclusion générale
Bibliographie
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.