Nesta dissertaÃÃo sÃo propostos mÃtodos baseados em processamento tensorial de sinais para a estimaÃÃo de parÃmetros em arranjos de antenas vetoriais elÃtricas (Tripolo), considerando diferentes estruturas de arranjos (ULA, L-shape e UPA). Inicialmente, à utilizado um arranjo em L-shape,resultando em um modelo tensorial de terceira ordem (3-D) que, junto ao algoritmo de estimaÃÃo T-ALS (do inglÃs, Trilinear Alternating Least Squares), possibilita a identificaÃÃo cega de pelo menos o dobro de fontes estimadas pelos modelos tradicionais. Em seguida, sob transmissÃo supervisionada, à proposto um mÃtodo alternativo, utilizando a decomposiÃÃo SVD, o qual à comparado ao mÃtodo tensorial com uso do algoritmo T-ALS. Uma segunda abordagem à proposta utilizando-se uma estrutura de arranjo planar de antenas (UPA), a qual faz uso de um modelo tensorial de quarta ordem (4-D) junto ao algoritmo de estimaÃÃo Q-ALS (do inglÃs, Quadrilinear Alternating Least Squares). Neste caso, um mÃtodo alternativo à proposto usando a fatoraÃÃo do produto de Khatri-Rao e uma anÃlise comparativa destes mÃtodos à realizada. Considerando-se o caso supervisionado, à feito ainda um estudo comparativo dos algoritmos Q-ALS, T-ALS e SVD, e um novo algoritmo, chamado Nested-SVD à proposto. Por fim, foi realizada a modelagem computacional do tripolo elÃtrico com uso de software de simulaÃÃo de alta frequÃncia (HFSS), possibilitando a extraÃÃo do parÃmetro de ganho espacial dos arranjos L-shape e UPA. Em seguida, à feita a avaliaÃÃo do desempenho dos mÃtodos tensoriais propostos usando este parÃmetro em uma situaÃÃo mais realista, e comparado ao desempenho usando modelos idealizados de arranjos de antenas com ganho unitÃrio e omnidirecional. O desempenho dos mÃtodos propostos à avaliado atravÃs de simulaÃÃes de Monte Carlo em diferentes cenÃrios e configuraÃÃes de arranjo / In this dissertation, we propose methods based on tensor signal processing for the parameter estimation in electric vector (Tripole) antenna arrays, considering different structures of arrays (ULA, L-shape and UPA). Initially, using a L-shape array, we develop a third order (3-D) tensor model for the received data. Based on this model, a trilinear alternating least squares (T-ALS) algorithm is used for the blind estimation of the sourceâs parameters. Then, under supervised transmission an alternative method is proposed by resorting to the SVD decomposition, which is compared to the T-ALS algorithm. A second approach is proposed, which is based on a uniform planar array antenna (UPA). In this case a fourth-order (4-D) tensor model is obtained, and the Q-ALS (Quadrilinear Alternating Least Squares) algorithm is used for parameter estimation. An alternative method is also proposed, which exploits the factorization of the Khatri-Rao product. Considering the supervised case, a new algorithm called Nested-SVD is proposed and a comparative study with Q-ALS, T-ALS and SVD algorithms is carried out. The performance of the proposed methods is evaluated through Monte Carlo simulations in different scenarios and array settings. Finally, computational modeling of electric tripole using the high frequency simulation software (HFSS) was performed, enabling the extraction of the L-shape and UPA spatial array gain. Then, the performance of the proposed tensor methods is evaluated in a more realistic scenario, and compared to idealized omnidirectional and unitary gain antenna array models

ALMEIDA, A. L. F. Modelagem tensorial e processamento de sinais por sistemas de comunicações de redes. 2007. 241 f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2007. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-04-01T17:49:08Z No. of bitstreams: 1 2007_tese_alfalmeida.pdf: 1785785 bytes, checksum: 552f0aa3c9fa8f36f91fef9c1fe5e883 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-04-01T18:44:44Z (GMT) No. of bitstreams: 1 2007_tese_alfalmeida.pdf: 1785785 bytes, checksum: 552f0aa3c9fa8f36f91fef9c1fe5e883 (MD5) / Made available in DSpace on 2016-04-01T18:44:44Z (GMT). No. of bitstreams: 1 2007_tese_alfalmeida.pdf: 1785785 bytes, checksum: 552f0aa3c9fa8f36f91fef9c1fe5e883 (MD5) Previous issue date: 2007-11-02 / In several signal processing applications for wireless communications, the received signal is multidimensional in nature and may exhibit a multilinear algebraic structure. In this context, the PARAFAC tensor decomposition has been the subject of several works in the past six years. However, generalized tensor decompositions are necessary for covering a wider class of wireless communication systems with more complex transmission structures, more realistic channel models and more efficient receiver signal processing. This thesis investigates tensor modeling approaches for multiple-antenna systems, channel equalization, signal separation and parametric channel estimation. New tensor decompositions, namely, the block-constrained PARAFAC and CONFAC decompositions, are developed and studied in terms of identifiability. First, the block-constrained PARAFAC decomposition is applied for a uni¯ed tensor modeling of oversampled, DS-CDMA and OFDM systems with application to blind multiuser equalization. This decomposition is also used for modeling multiple-antenna (MIMO) transmission systems with block space-time spreading and blind detection, which generalizes previous tensor-based MIMO transmission models. The CONFAC decomposition is then exploited for designing new MIMO-CDMA transmission schemes combining spatial diversity and multiplexing. Blind symbol/code/channel recovery is discussed from the uniqueness properties of this decomposition. This thesis also studies new applications of third-order PARAFAC decomposition. A new space-time-frequency spreading system is proposed for multicarrier multiple-access systems, where this decomposition is used as a joint spreading and multiplexing tool at the transmitter using tridimensional spreading code with trilinear structure. Finally, we present a PARAFAC modeling approach for the parametric estimation of SIMO and MIMO multipath wireless channels with time-varying structure. / Em diversas aplicações do processamento de sinais em sistemas de comunicação sem-fio, o sinal recebido é de natureza multidimensional, possuindo uma estrutura algébrica multilinear. Neste contexto, a decomposição tensorial PARAFAC tem sido utilizada em vários trabalhos ao longo dos últimos seis anos. Observa-se, entretanto, que decomposições tensoriais generalizadas são necessárias para modelar uma classe mais ampla de sistemas de comunicação, caracterizada pela presença de estruturas de transmissão mais complexas, por modelos de canal mais realistas, e por técnicas de processamento de sinais mais eficientes no receptor. Esta tese investiga novas abordagens tensorias e suas aplicações em modelagem de sistemas MIMO, equalização, separação de sinais e estimação paramétrica de canal. Inicialmente, duas novas decomposições tensoriais (PARAFAC em blocos com restrições e CONFAC) são desenvolvidas e estudadas em termos de identificabilidade. Em uma segunda parte do trabalho, novas aplicações destas decomposições tensoriais são propostas. A decomposição PARAFAC em blocos com restrições é aplicada, primeiramente, µa modelagem unificada de sistemassuperamostrados, DS-CDMA e OFDM, com aplicação em equalização multiusuária. Em seguida, esta decomposição é utilizada na modelagem de sistemas de transmissão MIMO com espalhamento espaço-temporal e detecção conjunta. Em seguida, a decomposição CONFAC é explorada na concepção de uma nova arquitetura generalizada de transmissão MIMO/CDMA que combina diversidade e multiplexagem. As propriedades de unicidade desta decomposição permitem o uso do processamento não-supervisionado no receptor, visando a reconstrução dos sinais transmitidos e a estimação do canal. Na terceira e última parte deste trabalho, explora-se a decomposição PARAFAC no contexto de duas aplicações diferentes. Na primeira, uma nova estrutura de transmissão espaço-temporal-freqüencial é proposta para sistemas MIMO multiportadora. A segunda aplicação consiste em um novo estimador paramétrico para canais multipercursos.

CoordenaÃÃo de AperfeiÃoamento de NÃvel Superior / Em diversas aplicaÃÃes do processamento de sinais em sistemas de comunicaÃÃo sem-fio, o sinal recebido à de natureza multidimensional, possuindo uma estrutura algÃbrica multilinear. Neste contexto, a decomposiÃÃo tensorial PARAFAC tem sido utilizada em vÃrios trabalhos ao longo dos Ãltimos seis anos. Observa-se, entretanto, que decomposiÃÃes tensoriais generalizadas sÃo necessÃrias para modelar uma classe mais ampla de sistemas de comunicaÃÃo, caracterizada pela presenÃa de estruturas de transmissÃo mais complexas, por modelos de canal mais realistas, e por tÃcnicas de processamento de sinais mais eficientes no receptor. Esta tese investiga novas abordagens tensorias e suas aplicaÃÃes em modelagem de sistemas MIMO, equalizaÃÃo, separaÃÃo de sinais e estimaÃÃo paramÃtrica de canal. Inicialmente, duas novas decomposiÃÃes tensoriais (PARAFAC em blocos com restriÃÃes e CONFAC) sÃo desenvolvidas e estudadas em termos de identificabilidade. Em uma segunda parte do trabalho, novas aplicaÃÃes destas decomposiÃÃes tensoriais sÃo propostas. A decomposiÃÃo PARAFAC em blocos com restriÃÃes à aplicada, primeiramente, Âa modelagem unificada de sistemassuperamostrados, DS-CDMA e OFDM, com aplicaÃÃo em equalizaÃÃo multiusuÃria. Em seguida, esta decomposiÃÃo à utilizada na modelagem de sistemas de transmissÃo MIMO com espalhamento espaÃo-temporal e detecÃÃo conjunta. Em seguida, a decomposiÃÃo CONFAC à explorada na concepÃÃo de uma nova arquitetura generalizada de transmissÃo MIMO/CDMA que combina diversidade e multiplexagem. As propriedades de unicidade desta decomposiÃÃo permitem o uso do processamento nÃo-supervisionado no receptor, visando a reconstruÃÃo dos sinais transmitidos e a estimaÃÃo do canal. Na terceira e Ãltima parte deste trabalho, explora-se a decomposiÃÃo PARAFAC no contexto de duas aplicaÃÃes diferentes. Na primeira, uma nova estrutura de transmissÃo espaÃo-temporal-freqÃencial à proposta para sistemas MIMO multiportadora. A segunda aplicaÃÃo consiste em um novo estimador paramÃtrico para canais multipercursos. / In several signal processing applications for wireless communications, the received signal is multidimensional in nature and may exhibit a multilinear algebraic structure. In this context, the PARAFAC tensor decomposition has been the subject of several works in the past six years. However, generalized tensor decompositions are necessary for covering a wider class of wireless communication systems with more complex transmission structures, more realistic channel models and more efficient receiver signal processing. This thesis investigates tensor modeling approaches for multiple-antenna systems, channel equalization, signal separation and parametric channel estimation. New tensor decompositions, namely, the block-constrained PARAFAC and CONFAC decompositions, are developed and studied in terms of identifiability. First, the block-constrained PARAFAC decomposition is applied for a uniÂed tensor modeling of oversampled, DS-CDMA and OFDM systems with application to blind multiuser equalization. This decomposition is also used for modeling multiple-antenna (MIMO) transmission systems with block space-time spreading and blind detection, which generalizes previous tensor-based MIMO transmission models. The CONFAC decomposition is then exploited for designing new MIMO-CDMA transmission schemes combining spatial diversity and multiplexing. Blind symbol/code/channel recovery is discussed from the uniqueness properties of this decomposition. This thesis also studies new applications of third-order PARAFAC decomposition. A new space-time-frequency spreading system is proposed for multicarrier multiple-access systems, where this decomposition is used as a joint spreading and multiplexing tool at the transmitter using tridimensional spreading code with trilinear structure. Finally, we present a PARAFAC modeling approach for the parametric estimation of SIMO and MIMO multipath wireless channels with time-varying structure.