Συντάχθηκε 05-05-2010 11:59
από Georgios Karystinos
Email συντάκτη: gkarystinos<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: ΔΕΠ ΗΜΜΥ.
Ο Τομέας Τηλεπικοινωνιών του Τμήματος ΗΜΜΥ του Πολυτεχνείου Κρήτης (ΠΚ) διοργανώνει, για πέμπτη συνεχόμενη χρονιά, σειρά διαλέξεων ερευνητικού περιεχομένου όπου ομιλητές είναι μέλη ΔΕΠ, μεταπτυχιακοί φοιτητές, και μεταδιδακτορικοί ερευνητές του ΠΚ, καθώς και εξωτερικοί ομιλητές (εκτός Χανίων/Ελλάδας). Ο σκοπός των διαλέξεων είναι η παρουσίαση των ερευνητικών αντικειμένων με τα οποία ασχολούνται τα μέλη του ΠΚ ώστε να υπάρξει μία γενική ενημέρωση για τις δραστηριότητες του ΠΚ αλλά και μία ευκαιρία για εποικοδομητική συζήτηση γύρω από τα αντικείμενα αυτά.
Οι διαλέξεις θα δίνονται κάθε Πέμπτη απόγευμα, ξεκινώντας από αύριο, Πέμπτη 6/5, στις 17:00, στην αίθουσα 145Π58, με ομιλητή το Νίκο Σιδηρόπουλο, Καθηγητή στο Τμήμα ΗΜΜΥ του ΠΚ.
Ακολουθεί ο τίτλος και μία μικρή περίληψη της ομιλίας. Στην ιστοσελίδα
http://www.telecom.tuc.gr/~karystinos/seminars.html βρίσκεται το πλήρες πρόγραμμα των ομιλιών του σεμιναρίου του φετινού ακαδημαϊκού έτους.
Γιώργος Καρυστινός
------------------------------------------------------------------------
Title: "Estimating Multiple Frequency-Hopping Signal Parameters via Sparse Linear Regression"
(joint work with D. Angelosante and G. Giannakis)
Speaker:
Nikos Sidiropoulos
Professor, Telecommunications Laboratory, Department of Electronic and Computer Engineering, Technical University of Crete
When: Thursday, May 6, 2010, 17:00-18:30
Where: 145P58
Abstract:
Frequency hopping (FH) signals have well-documented merits for commercial and military applications due to their near-far resistance and robustness to jamming. Estimating FH signal parameters (e.g., hopping instants, carriers, and amplitudes) is an important and challenging task, but optimum estimation incurs an unrealistic computational burden. The spectrogram has long been the starting non-parametric estimator in this context, followed by line spectra refinements. The problem is that hop timing estimates derived from the spectrogram are coarse and unreliable, thus severely limiting performance. A novel approach is developed in this paper, based on sparse linear regression (SLR). Using a dense frequency grid, the problem is formulated as one of under-determined linear regression with a dual sparsity penalty, and its exact solution is obtained using the alternating direction method of multipliers (ADMoM). The SLR-based approach is further broadened to encompass polynomial-phase hopping (PPH) signals, encountered in chirp spread spectrum modulation. Simulations demonstrate that the developed estimator outperforms spectrogram-based alternatives, especially with regards to hop timing estimation, which is the crux of the problem.
