2

Most array processing algorithms are based on the assump-tion that the signals are generated by point sources. This is a mathematical constrain t which is not satised in many applications. In this paper, we consider situations where the sources are distributed in space with a parametric an-gular cross-correlation kernel. W e propose an algorithm that localizes the distributed sources by estimating their parameter vector. The method is based on minim izing a scalar product between the array manifold and the noise eigenvectors of the correlation matrix. W e study two cases corresponding to completely correlated and totally uncor-related signal distributions. W e compare our method to the conventional MUSIC algorithm. The sim ulation stud-ies show that the new method outperforms the MUSIC al-gorithm by reducing the estimation bias and the standard deviation. Resum e La plupart des algorithmes de traitement d'antenne re-posent sur l'hypothese que les signaux recus sont generes par des sources ponctuelles. Il s'agit la d'une contrainte mathematique qui n'est pas satisfaite dans plusieurs appli-cations. Dans cet article, nous supposons que les sources sont distribuees spatialement selon un patron de directiv-ite appartant a une classe parametrique de noyaux de cor-relation croisee angulaire. Nous proposons un nouvel algo-rithme parametrique pour la localisation des sources dis-tribuees. Cet algorithme est base sur la minimisation du produit scalaire entre la variete d'antenne et les vecteurs propres du sous-espace bruit. Nous etudions deux cas parti-culiers correspondants a une distribution spatiale coherente et non-correlee, respectivement. Des simulations montrent qui les performances de l'algorithme propose surpassent considerablement celles de l'algorithme MUSIC. 1