High-resolution correlated sources identification using decomposition of the estimated source sub-space

Second order methods in signal processing for spatial analysis are limited by the correlation between sources . In fact, the sources must emit independent signais in order to satisfy the exigences of theses methods as well as to obtain high resolution. The method proposed here, increases the rank of the matrix that contains the vectors used ta reform the source sub-space basis . This is like a source decorrelation. The advantage of this new method is that it continues to separate with a high resolution sources that are totally correlated unlike the popular method of spatial smoothing . This article shows how the DEESE algorithm use translational invariance and directional invariance of the linear arrays for the recuperation of an orthonormal source sub-space basis . A realistic simulations are also presented ta confirm the correct position of source estimations and high resolution factors .L'emploi des méthodes du deuxième ordre de traitement du signal pour l'analyse spatiale est limité par la corrélation existante entre les sources. Celles-ci doivent rayonner des signaux indépendants afin de satisfaire les exigences de ces méthodes et permettre un haut pouvoir résolvant. La méthode proposée ici, parvient à augmenter le rang d'une matrice contenant les vecteurs susceptibles de reformer la base du sous-espace formé par les sources. Ceci agit comme une décorrélation des sources. L'avantage de cette méthode est qu'elle continue à séparer les sources totalement corrélées avec un haut pouvoir résolvant contrairement à la populaire diversité d'espac