Sensor Array Processing and Adaptive Beamforming

Diese Vorlesung führt in die Prinzipien der Sensorgruppensignalverarbeitung und des adaptiven Beamforming ein. Themenübersicht: Motivation und Anwendungen, Schmalband- und Breitbandsignalmodell, Richtungsschätzung (DoA estimation): traditionelle Verfahren basierend auf dem Beamforming, hochauflösende Verfahren, Maximum-Likelihood Verfahren, Unterraumverfahren, MUSIC, ESPRIT, MODE, root-MUSIC, mehrdimmensionale Quellenlokalisation, Approximative Maximum Likelihood Verfahren, Expectation Maximization (EM) Algorithmus, Partielles Relaxationsverfahren, Beamspace-Verarbeitung, Sensorgruppeninterpolationsverfahren, teilkalibrierte Sensorgruppen, Breitband Richtungsschätzung, Räumliche Glättung, Forward-Backward Mittelung, Redundancy averaging, korrelierte Quelen, Minimum redundancy arrays, compressed sensing und sparse reconstruction basierte Verfahren, Performanz-Schranken, Adaptives Beamforming: Punktquellenmodell, Kovarianzmodell, Wiener-Hopf Gleichung, Minimum Variance Distortionless Response (MVDR) Beamformer, Capon Beamformer, Sample matrix inversion, Signal self-nulling Effekt, robustes adaptives Beamformen, Hung-Turner Projection Beamformer, Generalized Sidelobe canceller Beamformer, Eigenspace-based Beamformer, nicht-stationäre Umgebungen, modern Beamforming Verfahren basierend auf konvexer Optimierung Optimierung, Worst-case basiertes Beamforming, Multi-user Beamforming