Utilisateur:Voxpower/MUSIC (algorithme)

MUltiple SIgnal Classification (MUSIC) ou classification de plusieur signaux est un algorithme utilisé pour l'estimation de fréquence et localisation de l'émetteur.

 L' algorithme MUSIC

Dans plusieurs problèmes pratiques sur le traitement du signal, le but est d'estimer à partir de mésures un ensemble de paramètres constants dont le signal reçu dépend. Il y a eu plusieurs approches de ces problèmes y inclu la méthode du maximum de vraisemblance (ML) de Capon (1969) et la méthode d'entropie maximale (ME) de Burg. Même si très souvent utilisées, ces méthodes ont certaines limitations fondamentales (spécialement biais et sensibilité des estimations paramétriques), en grosse mésure dues à l'utilisation d'un model incorrect (par exemple, un modèle autorégressif en lieu d'un ARMA) des mésures. Pisarenko (1973) fut un des premiers à exploiter la structure des modèles de données, tout en ramenant dans le contexte de l'estimation des paramètres des sinusoïdes complexes noyées dans un bruit additif avec une approche basée sur la covariance. Schmidt (1977), quand il travaillait pour ESL (maintenant une partie de Northrop Grumman) et indépendamment Bienvenu (1979) ont été les premiers à exploiter le modèle de mésures dans le cas d'un réseau de capteurs de forme arbitraire. Schmidt, particulièrement, a réussit à l'accomplir en dérivant d'abord une solution géométrique complète dans l'absence de bruit, et puis étendant les concepts géométriques pour obtenir une approximation raisonable approximate de la solution avec la presence de bruit. L'algorithme résultant fut appelé MUSIC (Multiple SIgnal Classification ou Classification de plusieurs signaux) et son étude est très repandu. Dans une évaluation detaillée basée sur des milliers de simulations, M.I.T.'s Lincoln Laboratory a conclu que, parmi les algorithmes de haute résolution couramment acceptés, MUSIC était le plus prometteur et le premier candidat à mériter une étude plus approfondie et implementation matériele. Pourtant, malgrés ses avantages substantiels, MUSIC demande un haut coût de calcul (en cherchant sur l'espace des paramètres) et stockage (des données de calibration).

[[Catégorie:Traitement numérique du signal]]