@mastersthesis{elediasc12164, title = {Thinning Di Array Di Grandi Dimensioni Mediante Uso Di Sequenze M-Arie A Bassa Autocorrelazione Ciclica }, year = {2010}, school = {University of Trento}, author = {M. Carlin}, keywords = {ACM}, abstract = {Il Thinning (assottigliamento) degli array di grandi dimensioni rappresenta un tema di ricerca da molti decenni: infatti, la riduzione del numero di elementi risulta in notevoli vantaggi (in termini economici e di peso) per gli array di grandi dimensioni. In questo ambito, gli approcci pi{\`u} comuni sono di tipo statistico (random arrays) o sono basate su tecniche euristiche. Approcci alternativi al design delle sequenze di alimentazione per array di grandi dimensioni si basano sul fatto che {\`e} possibile dedurre le caratteristiche di radiazione dell'array dalle propriet{\`a} di autocorrelazione aperiodica delle sequenze (in generale, complesse) di alimentazione dell'array stesso. Tale osservazione pu{\`o} essere utilizzata per introdurre tecniche di thinning e progettazione di array di grandi dimensioni utilizzando sequenze con buone propriet{\`a} di autocorrelazione. In letteratura, la progettazione di thinned array basata su questo approccio sfrutta sequenze binarie. Tali esempi si limitano per{\`o} a geometrie molto specifiche. In questo contesto, l'utilizzo di sequenze M-arie per il thinning degli array si pu{\`o} tradurre in consistenti vantaggi a livello pratico, poich{\'e} permette di considerare geometrie molto pi{\`u} complesse del caso binario, e al contempo semplifica considerevolmente la complessit{\`a} della rete di alimentazione per l'array rispetto all'utilizzo di alimentazioni complesse di valore arbitrario. Scopo del presente progetto {\`e} perci{\`o} quello di analizzare le sequenze m-arie esistenti in letteratura con buone propriet{\`a} di autocorrelazione al fine di effettuare la progettazione di sequenze di alimentazione ottime per thinned arrays. }, url = {http://www.eledia.org/students-reports/164/} }