Estimation Spectrale d’un Signal Sinusoïdal Multidimensionnel par le Réseau de Hopfield

Abstract

Dans cet article on a proposé un estimateur neuronal haute résolution basé sur le réseau de Hopfield pour l’estimation des amplitudes des raies spectraux d’un signal multidimensionnel (1D, 2D) composé d’un mélange d’harmoniques noyés dans un bruit blanc dont on connaît ses statistiques à priori. Le réseau de Hopfield qui prouve des capacités dans les problèmes d’optimisation et une simplicité d’implémentation hardware, reste très motivant pour les applications temps réel suite à son parallélisme. Pour juger ses performances, l’estimateur proposé a été comparé avec la méthode des moindres carrés et celle basée sur l’analyse de Fourier. Les résultas de simulation montrent que le réseau de Hopfield offre une performance remarquable lorsque le nombre des échantillons est inférieur au nombre d’harmoniques.