Real Time AOA Estimation Using Neural Network combined with Array Antennas

어레이 안테나와 결합된 신경망모델에 의한 실시간 도래방향 추정 알고리즘에 관한 연구

It has well known that MUSIC and ESPRIT algorithms estimate angle of arrival(AOA) with high resolution by eigenvalue decomposition of the covariance matrix which were obtained from the array antennas. However, the disadvantage of MUSIC and ESPRIT is that they are computationally ineffective, and then they are difficult to implement in real time. The other problem of MUSIC and ESRPIT is to require calibrated antennas with uniform features, and are sensitive to the manufacturing facult and other physical uncertainties. To overcome these disadvantages, several method using neural model have been study. For multiple signals, those require huge training data prior to AOA estimation. This paper proposes the algorithm for AOA estimation by interconnected hopfield neural model. Computer simulations show the validity of the proposed algorithm. The proposed method does not require huge training procedure and only assigns interconnected coefficients to the neural network prior to AOA estimation.

레이다 신호처리를 포함하여 무선통신시스템의 성능향상을 위한 수신신호의 도래방향 추정기술 중 MUSIC과 ESPRIT와 같은 방법들은 수신신호 벡터로부터 얻어진 상관행렬의 고유치 분해론 통하여 도래방향을 정도 높게 추정할 수 있는 초고분해 알고리즘들로 잘 이용되어 왔다 그러나, 이러한 방법들은 계산적인 복잡성으로 인하여 실시간 처리에 장애가 되어 왔으며, 어레이 안테나의 물리적인 결함에 대한 보정을 요구한다. 이에 대한 해결방법으로서 신경망 모델을 이용한 도래방향 추정방법들이 연구되어 왔으나, 복수의 신호가 존재할 경우 신경망 모델에 대한 대규모 학습량을 요구하고, 실시간 처리가능성에 대한 명확한 해론 제공하지 못한다. 본 연구에서는 상호결합형 신경망 모델을 이용하여 도래방향을 추정하기 위한 방법을 제안하고, 컴퓨터 시뮬레이션을 통하여 실시간 처리가능성을 논한다. 제안된 방법은 대규모 학습을 요구하지 않는다. 즉, 도래방향을 추정하기 전에 상호결합계수를 신경망에 할당할 뿐이다.