Phased array feeds (PAFs) are a promising new technology for astronomical radio telescopes. While PAFs have been used in other fields, the demanding sensitivity and calibration requirements in astronomy present unique new challenges. This dissertation presents some of the first astronomical PAF results demonstrating the lowest noise temperature and highest sensitivity at the time (66 Kelvin and 3.3 m^2/K, respectively), obtained using a narrowband (425 kHz bandwidth) prototype array of 19 linear co-polarized L-band dipoles mounted at the focus of the Green Bank 20 Meter Telescope at the National Radio Astronomy Observatory (NRAO) in Green Bank, West Virginia. Results include spectral line detection of hydroxyl (OH) sources W49N and W3OH, and some of the first radio camera images made using a PAF, including an image of the Cygnus X region. A novel array Y-factor technique for measuring the isotropic noise response of the array is shown along with experimental measurements for this PAF. Statistically optimal beamformers (Maximum SNR and MVDR) are used throughout the work. Radio-frequency interference (RFI) mitigation is demonstrated experimentally using spatial cancelation with the PAF. Improved RFI mitigation is achieved in the challenging cases of low interference-to-noise ratio (INR) and moving interference by combining subspace projection (SP) beamforming with a polynomial model to track a rank 1 subspace. Limiting factors in SP are investigated including sample estimation error, subspace smearing, noise bias, and spectral scooping; each of these factors is overcome with the polynomial model and prewhitening. Numerical optimization leads to the polynomial subspace projection (PSP) method, and least-squares fitting to the series of dominant eigenvectors over a series of short term integrations (STIs) leads to the eigenvector polynomial subspace projection (EPSP) method. Expressions for the gradient, Hessian, and Jacobian are given for use in numerical optimization. Results are given for simulated and experimental data, demonstrating deeper beampattern nulls by 6 to 30dB. To increase the system bandwidth toward the hundreds of MHz bandwidth required by astronomers for a fully science-ready instrument, an FPGA digital backend is introduced using a 64-input analog-to-digital converter running at 50 Msamp/sec and the ROACH processing board developed at the University of California, Berkeley. International efforts to develop digital back ends for large antenna arrays are considered, and a road map is proposed for development of a hardware correlator/beamformer at BYU using three ROACH boards communicating over 10 gigabit Ethernet.

Gegenstand dieser Dissertation ist die non-parametrische Schätzung der Kovarianz in multi-dimensionalen Lévy-Prozessen auf der Basis von Hochfrequenzbeobachtungen. Im ersten Teil der Arbeit wird eine modifizierte Version der von Jacod und Reiß vorgeschlagenen Methode der Hochfrequenzbeobachtung für die Ermittlung der Kovarianz multi-dimensionaler Lévy-Prozesse gegeben. Es wird gezeigt, dass der Kovarianzschätzer optimal im Minimaxsinn ist. Darüber hinaus demonstrieren wir, dass die Indexaktivität der co-jumps durch das harmonische Mittel der Sprungaktivitätsinzidenzen der Komponenten von unten beschränkt wird. Der zweite Teil behandelt das Problem der adaptiven Schätzung. Ausgehend von einer Familie asymptotischer Minimax-Schätzer der Kovarianz, erhalten wir einen datenbasierten Schätzer. Wir wenden Lepskii’s Methode an, um die Kovarianz an die unbekannte Aktivität des co-jumps Indexes des Sprungteils anzupassen. Da wir es mit einem Adaptierungsproblem zu tun haben, müssen wir eine Schätzung der charakteristischen Funktion des multi-dimensionalen Lévy-Prozesses konstruieren, damit die charakteristische Funktion weder von einer semiparametrischen Annahme abhängt noch schnell abfällt. Aus diesem Grund wird auf Basis von Neumanns Methode ein trunkierter Schätzer für die empirische charakteristische Funktion konstruiert. Die Anwesenheit der trunkierten, empirischen charakteristischen Funktion im Zähler führt jedoch zu einer Situation, die auch bei der Deconvolution auftritt, d.h. einem irregulären Verhalten des stochastischen Fehlers. Dieser U-förmige stochastische Fehler verhindert die Anwendung von Lepskii’s Grundsatz. Um diesem Problem, entgegenzuwirken, entwickeln wir eine Strategie, welche zu einem Orakelstart von Lepskii's Methode führt, mit deren Hilfe ein monoton steigender stochastischer Fehler konstruiert wird. Dies erlaubt uns, ein Balancing Principle einzuführen und einen adaptiven Schätzer für die Kovarianz zu erhalten, der fast-optimale Raten erzeugt. / In this thesis, we consider the problem of nonparametric estimation for the continuous part of the covariation of a multi-dimensional Lévy process from high-frequency observations. This continuous part of covariation is also called covariance. The first part modifies the high-frequency estimation method, proposed by Jacod and Reiss, to cover estimation of the covariance of multi-dimensional Lévy processes. The covariance estimator is shown to be optimal in the minimax-sense. Moreover, the co-jump index activity is proved to be bounded from below by the harmonic mean of the jump activity indices of the components. In the second part, we address the problem of the adaptive estimation. Starting from an asymptotically minimax family of estimators for the covariance, we derive a data-driven estimator. Lepskii's method is applied to adapt the covariance to the unknown co-jump index activity of the jump part. Faced with an adaptation problem, we need to secure an estimation for the characteristic function of the multi-dimensional Lévy process so that it does not depend on a semiparametric assumption and, at the same time, does not decay fast. For this reason, a truncated estimator for the empirical characteristic function is constructed based on Neumann's method. The presence of the truncated empirical characteristic function in the denominator leads to a situation similar to the deconvolution problem, i.e., an irregular behavior of the stochastic error. This U-shaped stochastic error does not permit us to apply Lepskii's principle. To counteract this problem, we establish a strategy to obtain an oracle start of Lepskii's method, according to which a monotonically increasing stochastic error is constructed. This enables us to apply a balancing principle and build an adaptive estimator for the covariance which obtains near-optimal rates.

This thesis addresses a number of problems all related to parameter estimation in sensor array processing. The unifying theme is that some of these parameters are known before the measurements are acquired. We thus study how to improve the estimation of the unknown parameters by incorporating the knowledge of the known parameters; exploiting this knowledge successfully has the potential to dramatically improve the accuracy of the estimates. For covariance matrix estimation, we exploit that the true covariance matrix is Kronecker and Toeplitz structured. We then devise a method to ascertain that the estimates possess this structure. Additionally, we can show that our proposed estimator has better performance than the state-of-art when the number of samples is low, and that it is also efficient in the sense that the estimates have Cram\'er-Rao lower Bound (CRB) equivalent variance. In the direction of arrival (DOA) scenario, there are different types of prior information; first, we study the case when the location of some of the emitters in the scene is known. We then turn to cases with additional prior information, i.e.~when it is known that some (or all) of the source signals are uncorrelated. As it turns out, knowledge of some DOA combined with this latter form of prior knowledge is especially beneficial, giving estimators that are dramatically more accurate than the state-of-art. We also derive the corresponding CRBs, and show that under quite mild assumptions, the estimators are efficient. Finally, we also investigate the frequency estimation scenario, where the data is a one-dimensional temporal sequence which we model as a spatial multi-sensor response. The line-frequency estimation problem is studied when some of the frequencies are known; through experimental data we show that our approach can be beneficial. The second frequency estimation paper explores the analysis of pulse spin-locking data sequences, which are encountered in nuclear resonance experiments. By introducing a novel modeling technique for such data, we develop a method for estimating the interesting parameters of the model. The technique is significantly faster than previously available methods, and provides accurate estimation results. / Denna doktorsavhandling behandlar parameterestimeringsproblem inom flerkanals-signalbehandling. Den gemensamma förutsättningen för dessa problem är att det finns information om de sökta parametrarna redan innan data analyseras; tanken är att på ett så finurligt sätt som möjligt använda denna kunskap för att förbättra skattningarna av de okända parametrarna. I en uppsats studeras kovariansmatrisskattning när det är känt att den sanna kovariansmatrisen har Kronecker- och Toeplitz-struktur. Baserat på denna kunskap utvecklar vi en metod som säkerställer att även skattningarna har denna struktur, och vi kan visa att den föreslagna skattaren har bättre prestanda än existerande metoder. Vi kan också visa att skattarens varians når Cram\'er-Rao-gränsen (CRB). Vi studerar vidare olika sorters förhandskunskap i riktningsbestämningsscenariot: först i det fall då riktningarna till ett antal av sändarna är kända. Sedan undersöker vi fallet då vi även vet något om kovariansen mellan de mottagna signalerna, nämligen att vissa (eller alla) signaler är okorrelerade. Det visar sig att just kombinationen av förkunskap om både korrelation och riktning är speciellt betydelsefull, och genom att utnyttja denna kunskap på rätt sätt kan vi skapa skattare som är mycket noggrannare än tidigare möjligt. Vi härleder även CRB för fall med denna förhandskunskap, och vi kan visa att de föreslagna skattarna är effektiva. Slutligen behandlar vi även frekvensskattning. I detta problem är data en en-dimensionell temporal sekvens som vi modellerar som en spatiell fler-kanalssignal. Fördelen med denna modelleringsstrategi är att vi kan använda liknande metoder i estimatorerna som vid sensor-signalbehandlingsproblemen. Vi utnyttjar återigen förhandskunskap om källsignalerna: i ett av bidragen är antagandet att vissa frekvenser är kända, och vi modifierar en existerande metod för att ta hänsyn till denna kunskap. Genom att tillämpa den föreslagna metoden på experimentell data visar vi metodens användbarhet. Det andra bidraget inom detta område studerar data som erhålls från exempelvis experiment inom kärnmagnetisk resonans. Vi introducerar en ny modelleringsmetod för sådan data och utvecklar en algoritm för att skatta de önskade parametrarna i denna modell. Vår algoritm är betydligt snabbare än existerande metoder, och skattningarna är tillräckligt noggranna för typiska tillämpningar. / <p>QC 20131115</p>

Le SLAM, « Simultaneous Localisation And Mapping », représente à l'heure actuelle l'une des principales thématiques investiguées dans le domaine des robots mobiles autonomes. Il permet, à l'aide de capteurs extéroceptifs (laser, caméra, radar, etc.) et proprioceptifs (odomètre, gyromètre, etc.), de trouver l'orientation et la localisation d'un robot dans un environnement extérieur vaste, inconnu ou modifié, avec la possibilité de créer une carte au fur et à mesure des déplacements du véhicule. Les travaux de thèse décrits dans ce manuscrit s'intègrent dans ce courant de recherche. Ils visent à développer un SLAM innovant qui utilise un radar à modulation de fréquence continue « FMCW » comme capteur extéroceptif. Ce capteur est insensible aux conditions climatiques et possède une portée de détection importante. Néanmoins, c'est un capteur tournant qui, dans une utilisation mobile, va fournir des données corrompues par le déplacement du véhicule. Pour mener à bien ces travaux, nous avons proposés différentes contributions : une correction de la distorsion par l'utilisation de capteurs proprioceptifs ; le développement d'une technique de localisation et cartographie simultanées nommée RS-SLAM-FMT qui effectue un scan matching sur les observations et utilise un algorithme estimatif de type EKF-SLAM ; l'utilisation, pour la première fois en SLAM, de la mise en correspondance par Transformée de Fourier-Mellin pour réaliser l'opération de scan matching ; la création d'un outil expérimental pour déterminer la matrice de covariance associée aux observations ; des tests de robustesse de l'algorithme dans des conditions d'utilisation réelles : dans des zones avec un faible nombre de points d'intérêts, sur des parcours effectués à vitesse élevée, dans des environnements péri-urbains avec une forte densité d'objets mobiles ; la réalisation d'une application temps réel pour le test du procédé sur un véhicule d'exploration qui se déplace dans un environnement extérieur vaste. / Simultaneous Localization And Mapping (SLAM) is one of the main topics investigated in the field of autonomous mobile robots. It permits the Localization and mapping of a robot in a large outdoor environment, using exteroceptive (laser, camera, radar, etc.) and proprioceptive (odometer, gyroscope, etc.) sensors. The objective of this PhD thesis is to develop innovative SLAM that uses a radar frequency modulated continuous wave (FMCW) as an exteroceptive sensor. Microwave radar provides an alternative solution for environmental imaging and overcomes the shortcomings of laser, video and sonar sensors such as their high sensitivity to atmospheric conditions. However, data obtained with this rotating range sensor is adversely affected by the vehicle’s own movement. In order to efficiently manage the work, we propose : a correction, on-the-fly, of the rotating distortion with an algorithm that uses the proprioceptive sensors’ measurements ; development of a new technique for simultaneous localization and mapping named RS-SLAM-FMT ; for the first time in SLAM, the use of the Fourier-Mellin Transform provides an accurate and efficient way of computing the rigid transformation between consecutive scans ; creation of an experimental tool to determine the covariance matrix associated with the observations. It is based on an uncertainty analysis of a Fourier-Mellin image registration ; tests of the robustness of the SLAM algorithm in real-life conditions : in an environment containing a small number of points of interest, in real full speed driving conditions, in peri-urban environments with a high density of moving objects etc. ; creation and experiment of a real-time RS-SLAM-FMT implemented on a mobile exploration vehicle in an extensive outdoor environment.

Les Éoliennes à Entraînement Direct (ÉED) sont équipées de Générateurs Syn- chrones à Aimants Permanents (GSAP). Leurs trois plus courantes défaillances sont la dé- magnétisation, l’excentricité (statique, dynamique et mixte) et le court-circuit inter-tour. L’analyse de la signature du courant de la machine est souvent utilisée pour rechercher des problèmes du générateur, car ces altérations introduisent des harmoniques supplémen- taires dans les courants générés. La Transformée de Fourier Rapide (TFR) est utilisée pour calculer le spectre des courants. Cependant, la TFR permet de calculer l’ensemble du spec- tre, tandis que le nombre de défauts possible et le nombre d’harmoniques introduites sont faibles. L’algorithme de Goertzel, mis en oeuvre sous forme de filtre (le filtre de Goertzel), est présenté comme une alternative plus efficace au TFR. Le spectre des courants change avec la vitesse du vent, ce qui rend la détection plus difficile. Le Filtre de Kalman Étendu (FKÉ) est proposé comme solution. Le spectre de résidus, calcule entre les courants estimés et les courants générés, est constant, quelle que soit la vitesse du vent. Cependant, l’effet des défauts est visible dans leur spectre. Lors de l’utilisation de l’FKÉ, un défi consiste à estime la matrice de covariance pour le bruit du processus. Une nouvelle méthode était développée pour ça, qui n’utilise aucune de maîtrise du filtre. Les ÉED sont placés soit dans des zones éloignées, soit dans des villes. Pour la surveillance des ÉED, des dizaines ou des centaines de kilomètres de câbles sont nécessaires. Les Réseaux de Capteurs sans Fil (RCF) sont bien adaptés pour être utilisés dans l’infrastructure de communication des ÉED. RCF ont des coûts initiaux et d’entretien plus faibles et leurs installations sont rapides. De plus, ils peuvent compléter les réseaux câblés. Différentes technologies sans fil sont comparées : les technologies à grande surface, ainsi que les technologies à courte portée qui supportent des débits de données élevés. / Direct Drive Wind Turbines (DDWTs) are equipped with Permanent Magnet Syn- chronous Generators (PMSGs). Their three most common failures are demagnetization, ec- centricity (static, dynamic and mixed) and inter-turn short circuit. Machine Current Signa- ture Analysis is often used to look for generator problems, as these impairments introduce additional harmonics into the generated currents. The Fast Fourier Transform (FFT) is utilized to compute the spectrum of the currents. However, the FFT calculates the whole spectrum, while the number of possible faults and the number of introduced harmonics is low. The Goertzel algorithm, implemented as a filter (the Goertzel filter), is presented as a more efficient alternative to the FFT. The spectrum of the currents changes with the wind speed, and thus the detection is made more difficult. The Extended Kalman Filter (EKF) is proposed as a solution. The spectrum of the residuals, computed between the estimated and the generated current, is constant, regardless of the wind speed. However, the effect of the faults is visible in the spectrum. When using the EKF, one challenge is to find out the covariance matrix of the process noise. A new method was developed in this regard, which does not use any of the matrices of the filter. DDWTs are either placed in remote areas or in cities. For the monitoring of a DDWT, tens or hundreds of kilometers of cables are necessary. Wireless Sensor Networks (WSNs) are suited to be used in the communication infrastructure of DDWTs. WSNs have lower initial and maintenance costs, and they are quickly installed. Moreover, they can complement wired networks. Different wireless technologies are com- pared - both wide area ones, as well as short range technologies which support high data rates.