سامانه‌های جهت یاب

کاربرد سامانه‌‌های جهت یاب امروزه دیگر منحصر به سامانه‌‌های نظامی و کاربرد‌های خاص چون رادار، سونار و جهت یاب‌های رادیویی معمولی و ... نشده و مسیر خود را در سیستم‌های مخابراتی پیشرفته چون سامانه‌‌های مخابراتی سیار، سامانه‌‌های ردیابی و شناسایی نجوم و.... باز نموده است، به طوری که ترکیب سامانه‌‌های جهت یابی و مخابرات سیار باعث مزایای فراوانی از جمله افزایش تعداد استفاده کنندگان، افزایش حجم پوشش و کاهش تداخل شده است.

همچنین تقاضا برای خدمات مخـابراتی موبایل روز به روز به طور گسترد‌های در حال افزایش است از این رو است که پیش بینی می‌شود که در اّیند‌های نزدیک مخابرات برای دستگاه‌‌های موبایل در هرمنطق‌های از زمین در تمامی زمانها قابل دسترسی باشد. به نظر می‌رسد که اّرایه اّنتن‌ها که بر روی کشتی‌ها، ناوها، ماهواره‌ها و همچنین ایستگاه‌‌های اصلی نصب شده اند دارای نقش بسیار مهمی درپاسخگویی به نیاز‌های مربوطه خواهند بود. مبحث آرایه بندی و متعاقب آن طراحی الگوریتم ‌‌های مختلف جهت پردازش اطلاعات حاصله از آرایه‌ها مدتی است که تحقیقات زیادی را به‌ خود اختصاص داده است. اگـر چه تاریخچه این تحقیقات به سالیان پیش بر می‌گردد اما مدتی است که بخاطر پیشرفت بشر در دستیابی به سرعت‌های بالای کلید زنی و پردازشگر‌‌هایی که قادرند در مدت زمانی اندک محاسبات زیادی را انجام دهند تحولات چشمگیری یافته است .البته هنوز هم این سرعت کافی نبوده ودر بسیاری موارد باعـث عـدم پـردازش مناسب داده‌ها می‌گـردد. جهـت یا بـی رادیویی[1] از جمله مواردی است که بر روی آن تحقیقات زیادی در زمینه آن بعمل آمده است .

لازمه بررسی و تحلیل چنین مباحثی شناخت تکنیک آرایه‌ها و توانایی استفاده از الگوریتم‌های مناسب با شرایط مسئله است. این موضوع که ابتدا در سیستم‌های آرایه و فقی[2] مطرح شده بود در حال حاضر نیز بهمراه مبحث شکل دهی پرتو[3] در زمینه‌‌های مختلف خصوصا مخابرات سیار سیستم‌های SDMA[4] و آنتن‌‌های هوشمند[5] مورد توجه بسیاری از مراکز تحقیقاتی قرار دارد.

بهره گیری از تکنیک پردازش آرای‌های ابتدا جهت آنتن‌ها بکار رفت اما پس از مدتی کاربرد‌‌های عظیم این تکنیک در کلیه زمینه‌ها گسترش یافت .

الگوریتم‌‌های موجود در مورد مشخص کردن جهت ورودی‌های دریافتی مدتها است که مورد توجه بوده و در روش بسیار کارای آن که همان روش‌های تخمین جهت با استفاده از تکنیک زیر فضای سیگنال است از حدود دهه 1970 آغاز شده است. اصلی ترین الگوریتم مرتبط با تکنیک‌‌های زیر فضای سیگنال، الگوریتم میوزیک[6] است .

کاربرد سامانه‌‌های جهت یاب امروزه دیگر منحصر به سامانه‌‌های نظامی و کاربرد‌‌های خاص همچون رادار و سونار، جهت یاب‌های رادیویی نشده ومسیر خود را در سامانه‌‌های مخابراتی پیشرفته چون سیستم‌های مخابراتی‌سیار، سامانه‌‌های ردیابی وشناسایی نجوم و در موارد محدودی در بحث اکوستیک باز نموده است. بطوریکه ترکیب سامانه‌‌هایDF[7] و مخابرات باعث مزایای بسیاری از جمله افزایش تعداد استفاده‌کنندگان، افزایش حجم پوشش و کا‌هش تداخل شده است.

یکی از کاربردهای سامانه‌های جهت یاب به تحقیقات یکی از کارشناسان ارشد ارتش آمریکا بر میگردد که با نمونه برداری از صدای یک تانک و سپردن این نمونه صدای تانک در حافظه کامپیوتر و سپس کاشتن تعدادی میکروفن بعنوان سنسور و مقایسه خروجی آرایه با حافظه توانست زاوی‌های که این تانک به هنگام حرکت با موتور روشن با سنسنور‌ها می‌ساخت را آشکار نماید که این مهم باعث می‌شد تا بتوان تانک دشمن را با علم به زاویه آن شناسایی نموده و با داشتن مختصات آن بعنوان یک هدف نظامی به آن شلیک نمود .کاری که در گذشته با رادار انجام می‌شد در حالیکه هزینه ساخت رادار با هزینه ساخت این پروژه نظامی غیر قابل مقایسه بود. بطوریکه چنانچه رادار توسط دشمن مورد تخریب قرار می‌گرفت هزینه آن بسیار زیاد بود در حالیکه چنانچه این پروژه توسط دشمن تخریب می‌شد فقط تعدادی میکروفن از دست می‌رفت .

امروزه جدای از کاربرد‌‌های وسیعی که آرایه‌ها ی میکروفنی به ارمغان آورده‌اند می‌توان با نمونه برداری از صدا‌های حوادث یا پدیده‌ها ( شبیه صدای رعد، صدای انفجار – صدای شکستن شیشه و یا …) و سپردن این اصوات به حافظه کامپیوتر و مقایسه آنها با خروجی سـنسورها یا آرایه‌‌های کاشته شده در محل‌‌های مورد نظرمان بروز یک پدیده یا اتفاق یک حادثه یا رویداد را آشکار و متعاقب آن امور پیشگرانه را لحاظ نمود. مثلا با پردازش گر‌‌های قوی میتوان بروز رعد را از روی صدای آن تشخیص داده و در پست‌‌های توزیع برق فشار قوی در کسری از ثانیه نسبت به قطع برق اقدام نمود و سایرامور پیشگیران‌های که میتوان با استفاده از آرایه بندی به انجام رساند .

بطور کلی روش‌های تخمین جهت که تاکنون پیشنهاد شده را می‌توان به دو گروه تقسیم کرد: 1- روش‌های تخمین طیفی[8]

2- روش‌های ساختار ویژه[9]

در روش‌های گروه اول که مهمترین آنها روش حداکثر احتمال[10] است با محاسبه طیف مکانی و بدست آوردن نقاط ماکزیمم محلی، تعداد و جهت منابع سیگنال تعیین می‌گردد. تخمین همزمان تعداد و جهت منابع ارسال کننده سیگنال و همچنین زمان پردازش کم این روشها از جمله نقاط قوت آنها محسوب می‌گردند ولی قدرت تفکیک پذیری کم در تشخیص منـابع نزدیک بهم و منابـع با اخـتلاف توانـی زیـاد، هـمچنـین حسـاسیت زیاد آنـها به نویز و کالیبراسیون آرایه دلایلی هستند که استفاده از آنها را محدود نموده است .

روش‌های گروه دوم که الگوریتمMusic مهمترین آنها است بر پایه این خاصیت ماتریس کواریانس پایه گذاری شده اند که فضا توسط بردار‌های ویژه آن به دو زیر فضا ی سیگنال و نویز تقسیم می‌شود به گون‌های که بردار‌های آرایه در جهت منابع، عمود بر زیر فضای نویز قرار می‌گیرند .

سادگی فرمول بندی، قدرت تفکیک زیاد و حساسیت بسیار کمتر آنها به نویز از جمله محاسن آنها است ولی از عیوب دسته دوم می‌توان به این نکته اشاره کرد که بعضی از روش‌های این دسته فقط قابل اعمال به آرایه‌‌های خطی هستند .

برای بهینه کردن یک ارتباط بطوریکه دارای بازده بالایی باشد توجه به چندین مورد اساسی لازم به نظر می‌رسد که در زیر به اّنها اشاره می‌شود :

چگونگی اسـتفاده از آرایه آنتن‌ها بطـوریکه با استفاده از پیـکر بندی‌‌های متفاوت، اثر و نتایج مربوط به سامانه‌‌های مخابراتی را بهبود بخـشد .

مدل سـیگـنال منـاسب وکارا، برای پــردازش آرایـه[11] درکنـار طرح‌‌های مختـلف شـکل دهی بیـم2، به همراه مسایلی همچون تاخیر مرسوم[12]، مجموعه شکل دهنده‌‌های بیم[13]، شرایط مرزی نـاشـی از شکـل دهی بیــم[14]، پــردازش بـر روی فضـای بـیـم[15]، بردار‌‌های صفر[16]، شکل دهی به صورت دیجیتالی و دیگر ساختار‌های ویـژ‌های کـه همگی خـارج از بحث اصلی این پروژه است .

الگوریتـم‌‌های وفـقی بـرای تـنظـیم وزن یک آرایه، که این الگوریتمها شامـل SMI [17]، LMS[18]، LMS نرمالیزه، ساختـار گرادیـانی، RLS[19]، CMA[20] و روش مزدوج گرادیان و شبکه ارتباطی عصبی است .

بکارگیری چندین روش تخمین جهت[21] سیگنال‌های دریافتی و مقایسه نتایج و اثر هر کدام و تجزیه و تحلیل متغیر‌‌های مختلف و محاسبه حساسیت آ‌نها و همچنین تخمین تعداد منابع .

بحث بر روی چندین روش پیش پردازشی[22] و همچنین بررسی خطاها و تاکید برنقش طرح‌های پردازش آرایه.

قدرت تفکیک جهات سیگنال‌های دریافتی DOA)) [23] در بسیاری از سامانه‌‌های سنسوری همچون رادارها، سونارها، مخابرات موبایل و نظارت و مراقبت الکترونیکی کاربرد فراوانی دارد. به همین لحاظ است که طی یک دهه اخیر تلاش فراوانی برای بهبود دادن مشخصه‌‌های سیستم‌های DF انجام می‌گیرد.

شاید بیش از چند صد مقاله از دهه 60 تا دهه 90 در مورد طراحی سامانه DF (طراحی آرایه و ساختار آن) ارائه شده است اما عـمده تفـاوت مقالات دهه اخیر با مقالات پیشین، در نحوه بررسی و طراحی DF، به شکل ارائه الگوریتم‌‌های پردازشگر بوده است. در این الگوریتم‌ها از توان سیگنال دریافتی مجموعهء حسگرها استفاده شده و با جداسـازی فضای سیگنال از فضای نویز توسط یک آستانه از پیـش تعریف شده، مشخصات سیـگنال‌‌های دریافتی و جهت سیگنال‌‌های دریافتی را می‌توان بدست آورد. در صورتیکه هیچ نویزی وجود نداشته باشد (SNR=∞ ) در این صورت مقادیر محاسبه شده مقادیر دقیق خواهند بود. از آنجائیکه همیشه نویز وجود دارد، مقادیر بدست آمده به طور مجانبی به مقادیر دقیق میل می‌کنند .

روش‌های جدا سازی سیگنال از نویـز و حصول مقادیر دقیق متغیر‌‌های مورد نیاز برای الگوریتم‌‌های مختلف موجب شده است که هر کدام در موقعیت‌های مختلفی بکار گرفته شوند و حتی بعضی از این الگوریتم‌ها به دلایل مشکلاتی که فراهم نموده اند، حذف شوند .

یک مشکل جدی پردازش آرایه حل مسئله منابع کاملا وابسته است. حل نمودن مشکل منابع وابسته و همچنین منابعی که از لحاظ فاصله بهم نزدیکند باعث ایجاد یک حوزه فعال در تحقیقات شده است.

این مطالعات در حال حـاضر بر روی تعدادی از تکنیکـ‌های مـوجود از قبـیل ASPECT[24] (مانیکاس و ترنر در سال 1991)[25] ‌[16-1]،DOSE[26] (زاتمن استرانگ وایز
1993)[27] ، IMP[28] (کلارک 1991)[29] ‌‌‌[10-1]و ML (وَکس 1985)[30] ‌ بعنوان یک ابزار تخمین جهت سیگنال‌های دریافتی انجام می‌گیرد. این تکنیکها به شکل هندسی آرایه خطی مقید نیستند و قادر هستند که محاسبات را برای سیگنالها یی با همبستگی کامل انجام دهند. تخمین جهت دریافت با تفکیک پذیری فوق العاده[31] DOA‌‌در بسیاری از سیستم‌هایی که از آنتن استفاده می‌کنند نظیر رادار سونار، مخابرات موبایل و سیستم‌های الکترونیکی نظارتی[32]‌ کاربرد دارد. در مراحل قبل تخمین جهت، یک روش کلی که موسوم به تبدیل فوریه وجود دارد و بعنوان روش متداول شکل دهی بیم معروف است و بیشترین توجه را به خود جلب کرده است. اما یکی از مسائل مهم که تکنیکـ‌های جهت دهی بیم با آن مواجه هستند، رفع مشکل دو منبع نزدیک به یکدیگر است. این ناتوانی از آنجا ناشی می‌شود که مشخصه دقت تفکیک پذیری آرایه به نسبت سیگنال به نویز بستگی دارد. این مشکل همچنان برای تکنیک‌های جدید که برای پیدا نمودن موقعیت منابع بکار می‌روند وجود دارد (مرموز 1981)[33] که از این تکنیک‌های جدید به تکنیک‌های تخمین جهت با دقت تفـکیک پذیـری بـالا‌‌یاد می‌شود مهمترین روش‌‌های موجود در این بخش از تکـنیکها، عبارتند از:

روش حداکـثر احتمـال ML که مـبنای کار کـاپن[34] (1969)‌ بـر روی تـجزیه عـدد مـوج فـرکانـس است‌ .

روش حداکثر بی نظمی ME[35] که توسط برگ[36] (1975)‌ بنیان نهاده شد .

تکنیک‌های زیر فضای سیگنال[37] (اشمیت 1981)[38] که مشهورترین الگوریتم موجود در این دسته الگوریتم MUSIC است.

در حال حـاضر تـکنیک‌های زیر فـضـای سیگـنال به عنوان قدرتمندترین روش در نظر گرفـته شده و بر مبنای تجزیه بردار تجزیه ویژه ماتریس کوواریانـس داده‌ها (یعنی R xx‌‌ ) بنا شده است. عمده ترین مزیت‌های این تکنیک بر تکنیک‌های متداول و همچنین سایر تکنیک‌‌های تفکیک پذیری بالا شامل روش MLو ME (جانسون و مینر 1986 )[39] عبارتند از:

این روش‌ها قادرند تخمین‌‌هایی با قدرت بالاتر را ایجاد کنند .

ابهام‌ها تقلیل داده می‌شوند.

تخمین دقیقی برای DOA‌ و سایر متغیر‌های سیگنال و نویز ایجاد می‌کند .

اما این تکنیک‌های مشخص شده، حساس به نمونه برداری و مدل‌های خطا و عدم اطمینان می‌باشند، بخصوص که بر اساس دانش دقیق شکل هندسی آرایه (موقعیت آنتنها )‌، ‌فاز و بهره آنتن، کوپلینگ متقابل بین عناصر آرایه و غیره بنا شده اند.

اگر روش‌های زیر فضای سیگنال با متغیر‌های غلط بکار گرفته شوند عمدتا یا هیچ جوابی نمی‌دهد و یا در بهترین حالت نتایج ضعیفی را خواهد داد. بنابراین کالیبراسیون بر حسب متغیر‌های آرایه یک نیاز مقدماتی در تکنیک‌های زیر فضای سیگنال است.

[1]- Radio Direction Finding

[2] -Adaptive Array systems

[3] - Beam forming

4 -Space Division Multiple Access

[5] - Smart Antennas

[6]-Multiple Signal Classification

[7] - Directional Finding

[8] - Spectral Estimation Methods

[9] - Eigenstructure Methods

[10] - Maximom Likelihood

[11] - array processing

[12]- conventional-delay

[13] - some beamformer

[14] - constrained beam forming

[15] - beam space processing .

[16] - null steering

[17] -Sample Matrix Inversion

[18] -Least Mean Sqaure

[19] -Recursive Least Square

[20] -Constant Modulus Algorithm

[21] -DOA

[22] - pre-processing methods

[23] -directional of arrival