صادق صمدی - دانشگاه صنعتی شیراز
شقایق کفشگری
رضا محسنی

امروزه رادارهای (Orthogonal Frequency Division Multiplexing OFDM بدلیل داشتن خاصیت تنوع فرکانسی دربسیاری ازکاربردها ازجمله اشکارسازی و شناسایی اهداف مورد توجه فراوانی هستند ازانجا که مدل سیگنال بازگشتی رادار OFDM برحسب پارامترهای هدف با سرعت و ضرایب پراکندگی نامعلوم فرم غیرخطی دارد امکان بدست آوردن فرم بسته ای برای تخمین ماکزیمم درستنمایی ML پارامترهای نامعلوم هدف به طور همزمان وجود ندارد لذا درکارهای منتشر شده دراین زمینه تاکنون ساختاراشکارساز نسبت درستنمایی تعمیم یافته GLR هدف با فرص معلوم بودن سرعت هدف بدست آ»ده و درحالت نامعلوم بودن توام سرعت و ضرایب پراکندگی تنها به فرم یک جستجو شبکه ای Grid Search دوبعدی گسترده بروی تمامی مقادیر ممکن پارامتر ها که بتواند نسبت درست نمایی را ماکزیمم نماید بسنده شده است دراین مقاله روشی جدید برای تخمین هزمان پارامترهای پراکنگی و سرعت با استفاده ازیک الگوریتم کاهش مختصات Coordinate Descent ارایه میگردد که حل مسائله غیرخطی فوق را به دو مساله خطی درقالب این الگوریتم ساده می نماید و پیاده سازی بهینه اشکارسازی GLR را ممکن می سازد نتایج شبیه سازی های ارایه شده موید کارایی این روش است

آشکارسازنسبت درستنمایی تعمیم یافته GeneralizedLikelihoodRatio Test آشکارسازی، تخمین ماکزیمم درستنمایی ML رادار OFDM