La détection du signal du réseau d'antennes est un problème majeur dans la recherche théorique et l'application pratique. Dans cet article, plusieurs nouvelles méthodes sont données pour le nombre de détections de signaux dans un premier temps, dans un deuxième temps, une nouvelle méthode appelée analyse en composantes principales de l'estimation du signal (PCASE) sera introduite qui peut détecter simultanément le nombre de signaux et la direction d'arrivée. Au cours des dernières décennies, la méthode de détection de signal basée sur le critère de la théorie de l'information a été largement étudiée. Le problème a été résolu de manière adéquate dans l'hypothèse d'un bruit blanc non corrélé. Cependant, compte tenu de la situation réelle de la communication sans fil, le bruit est corrélé spatialement ou les informations sur le bruit sont inconnues. Dans ce cas, les méthodes traditionnelles telles que les critères d'information d'Akaike (AIC), la longueur descriptive minimale (MDL) et l'approche parcimonieuse et paramétrique (SPA) conduiront souvent à une estimation erronée. Par conséquent, cet article introduit une méthode de correction de valeur propre améliorée pour le nombre de signaux, et l'applique à deux nouvelles méthodes : la méthode de gradient de valeur propre améliorée (Im-EGM) et la règle d'arrêt d'incrément propre améliorée (Im-EISR), et étudie un nouvel algorithme d'estimation basé sur l'annulation de signal (SC). De plus, les algorithmes antérieurs d'estimation de la direction d'arrivée (tels que MUSIC, ESPRIT) nécessitent le nombre de signaux connus pour estimer la direction d'arrivée. Par conséquent, cet article propose une nouvelle méthode appelée PCASE, qui peut estimer le nombre de signaux et la direction d'arrivée en même temps. Cette méthode combine le SPA et la méthode d'analyse en composantes principales (ACP) dans l'apprentissage automatique. Par rapport aux méthodes existantes, la précision de ces nouvelles méthodes est vérifiée par simulation Monte Carlo.

La detección de la señal del conjunto de antenas es un problema importante en la investigación teórica y la aplicación práctica. En este documento, se dan varios métodos nuevos para la detección del número de señales en primer lugar, en segundo lugar, se introducirá un nuevo método llamado Análisis de Componentes Principales de la Estimación de Señales (PCASE) que puede detectar simultáneamente el número de señales y la dirección de llegada. En las últimas décadas, el método de detección de señales basado en el criterio de la teoría de la información ha sido ampliamente estudiado. El problema se ha resuelto adecuadamente bajo el supuesto de ruido blanco no correlacionado. Sin embargo, considerando la situación real de la comunicación inalámbrica, el ruido está correlacionado espacialmente o la información de ruido es desconocida. En este caso, los métodos tradicionales como los criterios de información de Akaike (AIC), la longitud descriptiva mínima (MDL) y el enfoque de parámetros dispersos (SPA) a menudo conducirán a una estimación incorrecta. Por lo tanto, este artículo introduce un método de corrección de valores propios mejorado para el número de señales, y lo aplica a dos nuevos métodos: el método de gradiente de valores propios mejorado (Im-EGM) y la regla de parada de incrementos propios mejorada (Im-EISR), y estudia un nuevo algoritmo de estimación basado en la cancelación de señales (SC). Además, los algoritmos anteriores para estimar la dirección de llegada (como MUSIC, ESPRIT) requieren el número de señales conocidas para estimar la dirección de llegada. Por lo tanto, este documento propone un nuevo método llamado PCASE, que puede estimar el número de señales y la dirección de llegada al mismo tiempo. Este método combina el SPA y el método de Análisis de Componentes Principales (PCA) en el aprendizaje automático. En comparación con los métodos existentes, la precisión de estos nuevos métodos se verifica mediante la simulación de Monte Carlo.

Detecting the signal of the antenna array is a major problem in theoretical research and practical application. In this paper, several new methods are given for the number of signals detection at first, secondly, a new method called Principal Component Analysis of Signal Estimation (PCASE) will be introduced which can simultaneously detect the number of signals and the direction of arrival. In recent decades, the signal detection method based on the information theory criterion has been widely studied. The problem has been adequately solved under the assumption of uncorrelated white noise. However, considering the actual situation of wireless communication, the noise is spatially correlated or the noise information is unknown. In this case, traditional methods such as Akaike's information criteria (AIC), minimum descriptive length (MDL) and sparse and parameter approach (SPA) will often lead to a wrong estimation. Therefore, this paper introduces an improved eigenvalue correction method for the number of signals, and applies it to two new methods: the improved eigenvalue gradient method (Im-EGM) and the improved eigen-increment stop rule (Im-EISR), and studies a new estimation algorithm based on signal cancellation (SC). In addition, previous algorithms for estimating the direction of arrival (such as MUSIC, ESPRIT) require the number of known signals to estimate the direction of arrival. Therefore, this paper proposes a new method called PCASE, which can estimate the number of signals and the direction of arrival at the same time. This method combines the SPA and the Principal Component Analysis method (PCA) in machine learning. Compared with the existing methods, the accuracy of these new methods is verified by Monte Carlo simulation.

يعد اكتشاف إشارة مصفوفة الهوائي مشكلة رئيسية في البحث النظري والتطبيق العملي. في هذه الورقة، يتم تقديم عدة طرق جديدة لعدد اكتشاف الإشارات في البداية، وثانيًا، سيتم تقديم طريقة جديدة تسمى تحليل المكون الرئيسي لتقدير الإشارة (PCASE) والتي يمكنها اكتشاف عدد الإشارات واتجاه الوصول في وقت واحد. في العقود الأخيرة، تمت دراسة طريقة اكتشاف الإشارة بناءً على معيار نظرية المعلومات على نطاق واسع. تم حل المشكلة بشكل كافٍ في ظل افتراض وجود ضوضاء بيضاء غير مترابطة. ومع ذلك، بالنظر إلى الوضع الفعلي للاتصالات اللاسلكية، فإن الضوضاء مرتبطة مكانيًا أو أن معلومات الضوضاء غير معروفة. في هذه الحالة، غالبًا ما تؤدي الطرق التقليدية مثل معايير معلومات أكايكي (AIC)، والحد الأدنى للطول الوصفي (MDL) ونهج المتناثر والمعلمات (SPA) إلى تقدير خاطئ. لذلك، تقدم هذه الورقة طريقة محسنة لتصحيح القيمة الذاتية لعدد الإشارات، وتطبقها على طريقتين جديدتين: طريقة تدرج القيمة الذاتية المحسنة (Im - EGM) وقاعدة إيقاف زيادة الذات المحسنة (Im - EISR)، وتدرس خوارزمية تقدير جديدة تعتمد على إلغاء الإشارة (SC). بالإضافة إلى ذلك، تتطلب الخوارزميات السابقة لتقدير اتجاه الوصول (مثل الموسيقى، ESPRIT) عدد الإشارات المعروفة لتقدير اتجاه الوصول. لذلك، تقترح هذه الورقة طريقة جديدة تسمى PCASE، والتي يمكنها تقدير عدد الإشارات واتجاه الوصول في نفس الوقت. تجمع هذه الطريقة بين اتفاقية شراء الأسهم وطريقة تحليل المكونات الرئيسية (PCA) في التعلم الآلي. مقارنة بالطرق الحالية، يتم التحقق من دقة هذه الطرق الجديدة من خلال محاكاة مونت كارلو.