Analyse de performances en traitement d'antenne. : bornes inférieures de l'erreur quadratique moyenne et seuil de résolution limite

• Main Author: El Korso, Mohammed Nabil
• Language: fra
• Published: Université Paris Sud - Paris XI 2011
• Subjects: [PHYS] Physics; [PHYS] Physique; Traitement d'antenne; Théorie de l'estimation; Théorie de la détection; Seuil statistique de résolution limite; Étude des performances asymptotiques et non-asymptotiques des estimateurs; Estimation de direction d'arrivée en champ proche; Bornes inférieures de l'erreur quadratique moyenne; Signaux multidimensionnels
• Online Access: http://tel.archives-ouvertes.fr/tel-00625681; http://tel.archives-ouvertes.fr/docs/00/62/56/81/PDF/VD_EL_KORSO_MOHAMMED_07072011.pdf

Ce manuscrit est dédié à l'analyse de performances en traitement d'antenne pour l'estimation des paramètres d'intérêt à l'aide d'un réseau de capteurs. Il est divisé en deux parties :- Tout d'abord, nous présentons l'étude de certaines bornes inférieures de l'erreur quadratique moyenne liées à la localisation de sources dans le contexte champ proche. Nous utilisons la borne de Cramér-Rao pour l'étude de la zone asymptotique (notamment en terme de rapport signal à bruit avec un nombre fini d'observations). Puis, nous étudions d'autres bornes inférieures de l'erreur quadratique moyenne qui permettent de prévoir le phénomène de décrochement de l'erreur quadratique moyenne des estimateurs (on cite, par exemple, la borne de McAulay-Seidman, la borne de Hammersley-Chapman-Robbins et la borne de Fourier Cramér-Rao).- Deuxièmement, nous nous concentrons sur le concept du seuil statistique de résolution limite, c'est-à-dire, la distance minimale entre deux signaux noyés dans un bruit additif qui permet une "correcte" estimation des paramètres. Nous présentons quelques applications bien connues en traitement d'antenne avant d'étendre les concepts existants au cas de signaux multidimensionnels. Par la suite, nous étudions la validité de notre extension en utilisant un test d'hypothèses binaire. Enfin, nous appliquons notre extension à certains modèles d'observation multidimensionnels