2026/8/26 5:50:13
FEATURED · 精选文章 
简介阵列信号处理中波达方向DOA估计是无线通信、雷达、声呐等领域的核心技术之一。均匀圆形阵列UCA凭借360度全方位覆盖以及方位角、俯仰角联合估计能力成为全向感知场景的优选阵型。MUSIC算法通过协方差矩阵特征分解分离信号子空间与噪声子空间利用子空间正交性构造空间谱并搜索谱峰具有高分辨率优势。将MUSIC应用于均匀圆阵时需要特别关注阵元间距约束、相位模糊、相干信源和低信噪比等工程问题。文章从均匀圆阵的几何模型出发结合MATLAB仿真代码系统梳理了参数设计、二维搜索策略以及常见故障排查方法帮助工程人员在实时系统中更高效地实现高精度测向。1. 均匀圆阵的定位与设计思路1.1 先从“均匀园阵”这个笔误说起搜索时看到“均匀园阵”这个写法我第一反应是“圆”不是“园”不过说实在的圈子里大家搜“均匀圆阵”的时候也经常会有这种别名笔误。所以这篇就按均匀圆形阵列Uniform Circular ArrayUCA来展开配合MUSIC算法做方位估计也就是常说的DOADirection of Arrival估计。均匀圆阵是阵列信号处理里非常经典的阵型。相比均匀线阵ULA只能做到180度范围内的测向能力圆阵天然具备360度全方位覆盖的优势而且结构对称方位角和俯仰角能同时估计。简单来说它就是在一个圆形支架上等间距放置若干个天线阵元所有阵元处在同一平面阵元间距沿圆弧均匀分布。我以前做声源定位项目时第一次从线阵切到圆阵的感触很深线阵对前方和后方来的信号是天然模糊的必须靠额外的信息消除左右模糊而圆阵没有这个烦恼。所以只要你的应用场景是全方位监测均匀圆阵基本是首选。再加上MUSIC这类子空间类算法理论上能达到很高的测向精度组合在一起就构成了今天这篇的核心内容。1.2 均匀圆阵的几何模型与参数约定要理解后面所有的仿真和算法首先得把圆阵的几何模型理清楚。我习惯用以下参数来描述一个均匀圆阵阵元数 N圆周上均匀分布的阵元个数。圆阵半径 R圆心到阵元的距离。工作波长 λ由中心频率 f0 决定λ c / f0。方位角 θ信号来向在水平面内与 x 轴正方向之间的夹角范围 [-180°, 180°]。俯仰角 φ信号来向与 z 轴正方向之间的夹角范围 [0°, 180°]90度表示信号从水平面方向来。第 n 个阵元的位置坐标可以表示为x_n R·cos(2πn/N)y_n R·sin(2πn/N)z_n 0假设有一个远场窄带信号从方向 (θ, φ) 入射那么该信号到达第 n 个阵元相对参考点的波程差为τ_n (R·sinφ·cos(θ - 2πn/N)) / c对应的导向矢量steering vector为a(θ, φ) [exp(j·2π/λ·R·sinφ·cos(θ - 2πn/N))]n 0, 1, ..., N-1这个导向矢量是整个MUSIC算法的核心后面谱搜索时就是拿它去和噪声子空间做投影。1.3 圆阵相对线阵的优势与代价很多刚接触阵列信号处理的同学会问既然线阵模型简单为什么还要用圆阵我的经验里这个选择本质上是在“全方位覆盖”和“处理复杂度”之间做权衡。圆阵的优势很明确360度无死角覆盖不存在线阵的前后模糊问题。方位角和俯仰角可以联合估计线阵只能估计一维角度。结构对称波束可以在任意方向扫描扫描性能均匀。代价同样清楚圆阵的导向矢量不具备线阵那样的 Vandermonde 结构很多基于线阵特性的快速算法不能直接套用。方位角和俯仰角之间存在耦合需要二维搜索或者做模式空间变换计算量明显上升。圆阵的波束宽度在扫描过程中会有变化且阵元间距如果设计不当栅瓣问题比线阵更隐蔽。所以在做方案选型时我不会一上来就说“圆阵好”而是先看一眼应用需求如果是 180 度覆盖的基站场景线阵完全够用如果是雷达警告、声呐监听、无人机反制这类需要全向感知的场景圆阵就是绕不开的选择。2. MUSIC算法原理与圆阵适配要点2.1 信号模型与协方差矩阵构建MUSICMultiple Signal Classification算法是Schmidt在1979年提出的经典子空间类算法核心思想是通过对接收数据的协方差矩阵做特征分解将观测空间划分为信号子空间和噪声子空间利用两个子空间的正交性构造空间谱进而搜索谱峰获得来波方向。先建立接收数据模型。假设有 K 个远场窄带信号分别从 (θ_k, φ_k) 入射到 N 元圆阵上那么 N×1 维的快拍数据可以表示为X(t) A·S(t) N(t)其中 A 是 N×K 维的阵列流型矩阵每一列对应该信号方向的导向矢量S(t) 是 K×1 维信号矢量N(t) 是 N×1 维噪声矢量一般假设为零均值高斯白噪声且与信号不相关。对接收数据求协方差矩阵R E[X(t)·X^H(t)] A·R_s·A^H σ²·I其中 R_s 是信号协方差矩阵σ² 是噪声功率I 是 N×N 单位阵。在工程实现中我们通常用有限快拍的样本协方差矩阵来近似R_hat (1/L)·Σ X(t_l)·X^H(t_l)l 1, 2, ..., L这里 L 是快拍数。快拍数越大R_hat 越接近真实协方差矩阵MUSIC 的估计性能越好。2.2 特征分解与子空间划分对 R_hat 做特征分解R_hat U_s·Σ_s·U_s^H U_n·Σ_n·U_n^H这里需要理解一个关键逻辑K 个来波信号对应 K 个较大的特征值这些特征值对应的特征向量张成信号子空间 U_s剩下的 N-K 个特征值较小理论上等于噪声功率 σ²对应的特征向量张成噪声子空间 U_n。信号子空间和噪声子空间是正交的所以任何真实来波方向的导向矢量 a(θ_k, φ_k) 都与噪声子空间中的所有向量正交即a^H(θ_k, φ_k)·U_n 0基于这个性质MUSIC 空间谱定义为P_MUSIC(θ, φ) 1 / (a^H(θ, φ)·U_n·U_n^H·a(θ, φ))在真实来波方向上分母趋近于零谱函数出现峰值。我们只需要在角度范围内扫描找到谱峰对应的坐标就得到了来波方位的估计值。2.3 MUSIC算法对圆阵的适配性分析这里有一个很多初学者容易忽略的点MUSIC 算法本身并没有要求阵列必须是线阵它只要求导向矢量精确已知且阵列流型矩阵满列秩。均匀圆阵完全满足这两个条件所以 MUSIC 算法可以直接用在圆阵上不需要做额外的改造。但直接使用有一个现实问题均匀线阵的导向矢量是 a(θ) [1, e^(jω), ..., e^(j(N-1)ω)]^T这种形式下可以用 Root-MUSIC、ESPRIT 等算法避开谱搜索计算效率非常高。而圆阵的导向矢量包含 cos(θ - 2πn/N) 这种非线性项没有闭式解只能做网格搜索。也就是说圆阵 MUSIC 的经典玩法就是“二维网格搜索”把方位角和俯仰角铺成网格逐个网格点计算空间谱找峰值。这个过程在 CPU 上跑很慢我早期做仿真时一度因为搜索步长设得太细单次运行跑了十几分钟。后来工程上一般会做两级搜索先粗搜比如5度步长锁定峰值区域再细搜0.1度精确定位速度提升非常明显。3. 均匀圆阵MUSIC方位估计仿真实操3.1 仿真参数设计从物理约束到数值选择做仿真之前参数设计是最关键的一步参数设错后面跑出来的结果再好看也是自欺欺人。我习惯按以下顺序确定参数第一确定阵元数 N。N 决定了阵列的自由度理论上最多能估计 N-1 个信源但工程上一般建议信源数不超过 N-2因为要留出噪声子空间的余量。我用 8 元或 16 元阵比较多。第二确定圆阵半径 R。这里必须考虑阵元间距的约束。相邻阵元之间的弧长间距为 d 2πR/N。为了不产生栅瓣和相位模糊需要保证 d ≤ λ/2于是 R ≤ Nλ/(4π)。比如 8 元阵在 3GHz 下λ 0.1mR 最大约 0.0637m。实际仿真时我通常取 d λ/2 对应的临界半径也就是 R Nλ/(4π)此时角分辨性能和阵元间去相关性能比较均衡。第三确定快拍数 L 和信噪比 SNR。快拍数太少样本协方差矩阵的估计误差大谱峰会变钝甚至偏出真实值。我一般至少设 200 拍起步做性能分析时用 1000 拍。SNR 从 -10dB 到 20dB 分别测一组能直观看到算法性能曲线。第四确定信源数 K。仿真时我会先固定 K3三个来波方向分别设为 (θ20°, φ90°)、(θ80°, φ90°)、(θ160°, φ90°)也就是都在水平面内入射先验证算法的基本正确性。3.2 MATLAB仿真实现步骤与核心代码我用 MATLAB 做这类仿真居多因为矩阵运算和画图都方便。完整流程分为六步我直接把可以“抄作业”的代码贴出来但注意代码是核心片段不是完整工程你需要结合自己的目录结构稍微调整。第一步初始化参数clear; clc; close all; % 基本参数 N 16; % 阵元数 R 0.2; % 半径单位米 f0 3e9; % 中心频率 3GHz c 3e8; % 光速 lambda c / f0; % 波长 k 2 * pi / lambda; % 波数 % 信源参数 K 3; % 信源数 theta_true [20, 80, 160]; % 方位角单位度 phi_true [90, 90, 90]; % 俯仰角单位度水平面入射 SNR 10; % 信噪比单位 dB L 1000; % 快拍数第二步生成阵列流型矩阵% 阵元方位角按逆时针均匀分布 angle_n (0:N-1) * (2*pi/N); % 第n个阵元位置 x_n R * cos(angle_n); y_n R * sin(angle_n); pos [x_n; y_n; zeros(1, N)]; % 构造方向对应的单位矢量 A zeros(N, K); for idx 1:K theta_idx theta_true(idx) * pi/180; phi_idx phi_true(idx) * pi/180; dir_vec [sin(phi_idx)*cos(theta_idx); sin(phi_idx)*sin(theta_idx); cos(phi_idx)]; phase_delay k * (pos * dir_vec).; % 1×N A(:, idx) exp(1j * phase_delay).; end第三步生成接收数据% 信号源假设零均值复高斯随机信号 S (randn(K, L) 1j*randn(K, L)) / sqrt(2); % 噪声按目标SNR调整功率 Noise (randn(N, L) 1j*randn(N, L)) / sqrt(2); signal_power mean(abs(A * S).^2, all); noise_power signal_power / (10^(SNR/10)); Noise Noise * sqrt(noise_power); % 接收数据 X A * S Noise;第四步计算协方差矩阵并做特征分解Rxx X * X / L; [Evec, Eval] eig(Rxx); eval_vec diag(Eval); % 按特征值降序排列 [~, idx_sort] sort(eval_vec, descend); Evec Evec(:, idx_sort); % 取噪声子空间最后 N-K 列 En Evec(:, K1:end);第五步谱搜索theta_search -180:0.1:180; phi_search 90; % 假设已知俯仰角只搜方位角用于演示 sp zeros(1, length(theta_search)); for idx 1:length(theta_search) theta_s theta_search(idx) * pi/180; phi_s phi_search * pi/180; dir_s [sin(phi_s)*cos(theta_s); sin(phi_s)*sin(theta_s); cos(phi_s)]; phase_s k * (pos * dir_s).; a_s exp(1j * phase_s).; sp(idx) 1 / (a_s * (En * En) * a_s); end第六步画图并找峰值figure; plot(theta_search, 10*log10(sp/max(sp)), b-, LineWidth, 1.2); xlabel(方位角 (deg)); ylabel(归一化空间谱 (dB)); grid on; title(均匀圆阵MUSIC方位估计空间谱); % 找峰值角度 [pks, locs] findpeaks(10*log10(sp/max(sp)), SortStr, descend, NPeaks, K); est_theta theta_search(locs); disp(估计得到的方位角为); disp(est_theta);运行上述代码在 SNR10dB、快拍数 1000 的条件下三个信源的方位角估计结果基本能达到 0.1 度以内的误差这是 MUSIC 算法的正常表现。如果有感兴趣的读者可以把 SNR 降到 0dB 再跑一次谱峰依然可见但会开始出现轻微偏移。3.3 二维搜索与俯仰角联合估计刚才的代码里我固定了俯仰角只搜索方位角。但真实场景中俯仰角往往是未知的这时候就要做二维搜索。二维搜索的循环结构比较简单外层循环方位角内层循环俯仰角逐点计算空间谱然后找二维谱峰。不过这里有一个经验值得分享如果只关心方位角俯仰角的搜索步长可以放宽到 2 度左右因为方位角估计对俯仰角误差的敏感度相对有限反之如果你对俯仰角精度敏感俯仰角的步长要加密到 0.5 度甚至更细这是对称的代价关系。二维搜索的计算量很大假设方位角 720 个点0.5 度步长、俯仰角 180 个点1 度步长那就是 129600 个网格点每个点都要做一次复向量乘加。所以工程上通常先用 ESPRIT 类算法或波束形成粗估角度范围再用 MUSIC 做局部精搜能把计算时间压缩到原来的几十分之一。4. 常见问题与排查技巧实录4.1 相位模糊与栅瓣问题我做圆阵MUSIC仿真时遇到最多的问题就是阵元间距没有设计好导致的相位模糊。相位模糊的直观表现是谱峰不唯一或者出现了和真实角度对称的“鬼峰”。原因很简单阵元间距超过半波长以后不同方向的来波在阵列上产生的相位差可能相同阵列无法区分它们。均匀圆阵的特殊性在于阵元间距沿圆弧分布所以约束条件不是简单地“阵元间距 ≤ λ/2”而是“相邻阵元的弧长间距 ≤ λ/2”。如果这个条件不满足哪怕 MUSIC 算法本身再精确也会在错误的角度上产生伪峰。排查技巧先做一个单信源仿真把来波方向设定在 0 度、90 度、180 度等多个方向分别测一遍如果某些方向出现对称伪峰优先检查半径 R 是否太大。另外可以通过 MATLAB 画出空间谱观察伪峰位置是否和真实角度的镜像对称如果是基本可以断定是相位模糊而非算法出错。4.2 相干信源导致MUSIC失效MUSIC 算法有一个前提信号之间互不相关。如果两个信号源是相干波比如同一个信号经过多径传播到达阵列接收协方差矩阵的信号子空间会缺秩导致 MUSIC 完全失效。现象很典型真实有两个信源但 MUSIC 谱上只出一个峰或者两个峰重叠在一起分不开。这时候最直接的解法是空间平滑技术。均匀线阵的空间平滑非常简单把阵列划分成重叠的若干子阵然后对子阵协方差矩阵平均。但均匀圆阵做平滑要注意一个问题圆阵不具备线阵那样的平移不变性所以需要把圆阵先变换到“虚拟线阵”上这个说法其实对应模式空间变换beamspace transform也可以用前向/后向平滑配合圆阵的特殊结构来处理。对一般工程实践我的建议是如果确认信号环境存在强多径相干第一种方案是增加阵元间距的随机扰动让各阵元的增益相位不完全一致第二种方案是改用前后向空间平滑算法第三种方案如果你的硬件系统支持多个频点用频率分集打破相干性也是可行路径。4.3 快拍数不足与低信噪比下的性能退化低快拍数、低信噪比是实测环境里的常态。仿真里给了 1000 快拍、10dB 信噪比结果当然漂亮但真实接收系统往往只有几十个快拍信噪比还可能掉到 0dB 以下。这种情况下MUSIC 的谱峰会变钝、偏移甚至出现谱峰分裂。我的调试经验分三步第一步先检查样本协方差矩阵的条件数。条件数太大说明矩阵严重病态要么快拍数不够要么通道间幅度相位不一致。第二步检查特征值分布。理想情况下信号子空间的特征值应该明显大于噪声子空间的特征值。如果特征值下降曲线平滑得像斜坡说明信噪比太低信号子空间和噪声子空间的边界模糊这时候要适当增加快拍数或者做对角加载diagonal loading在协方差矩阵对角线加一个小的正数稳定矩阵求逆过程。第三步验证信源数估计是否准确。实际中信源数 K 是未知的需要靠 AIC、MDL 等准则去估计。如果 K 估计多了或少了噪声子空间就不准确。这里有个小坑MDL 准则在小快拍和低信噪比下容易少估信源数我一般会保守地多看一个特征值拐点人工判断一下。下表是我整理的一套快速排查表可以直接存下来问题现象常见原因排查方向谱峰不唯一、出现伪峰阵元间距过大、半径超标检查 R ≤ Nλ/(4π) 是否成立谱峰偏向一侧阵元安装位置偏差、通道相位不一致做阵列校准修正通道幅相误差两个信源只出一个峰信源相干或信源数估计偏小空间平滑处理重新估计信源数谱峰过宽快拍数太少、SNR过低增加快拍或做对角加载谱峰分裂搜索网格过粗、特征分解不稳定细化搜索步长验证协方差矩阵结构估计结果随机跳变通道增益不平衡检查硬件通道一致性增加校准矩阵4.4 实测数据比仿真差的那些坑仿真跑通了不等于实测就稳了。这是我踩过多次坑后的真实体会。实测数据中阵列通道之间的幅相不一致是最杀伤 MUSIC 性能的因素。MUSIC 对导向矢量的精确性要求很高哪怕 5 度的相位误差就足以让谱峰偏移好几度。处理思路分两个层面。软件层面如果阵列模型已知可以做阵列流型实测校准在消音室或开阔场里把已知方向的信源放在几个标准角度记录接收数据反推每个阵元的幅度和相位补偿系数。硬件层面尽量选择通道一致性好的接收机或者在设计中加入校准信号通路定时自动校准。另外还有一个很容易忽略的问题阵元之间的互耦。仿真里通常假设阵元是理想点源但实际中阵元之间存在电磁耦合会导致导向矢量偏离理论值。我在一个无人机测向项目里因为阵元间距压得太小接近 λ/4互耦严重导致 MUSIC 测向精度从 1 度劣化到 5 度以上。后续通过全波仿真软件提取互耦矩阵对导向矢量做修正才把精度拉回来。所以如果你发现实测和仿真差距很大不要急着怀疑算法先把阵列硬件本身的误差排查干净。5. 均匀圆阵MUSIC的扩展方向与实践建议5.1 从仿真走向实时系统的关键改造如果要把这套仿真算法搬到实时系统里有几个绕不开的改造点。第一谱搜索计算量太大建议用粗搜加细搜的两级搜索策略或者预先计算导向矢量表存放在内存里避免实时计算。第二协方差矩阵更新可以用滑动窗口的方式每来一个新快拍就更新一次矩阵并做特征分解但要控制好更新频率避免 CPU 过载。第三实测中信号数 K 未知需要在 MUSIC 前级联一个信源数估计模块我用 MDL 准则比较多计算简单性能在中等信噪比下够用。实时化之后方位估计数据就变成了连续输出的“角度轨迹”为了平滑掉单帧的偶尔异常值我习惯加一个简单的卡尔曼滤波器或滑动均值滤波。注意不要过度平滑否则快速移动的目标会被钝化跟踪性能反而下降。5.2 模式空间变换圆阵高效化的核心技巧这里单独说一个提升均匀圆阵MUSIC性能的重要技巧叫模式空间变换beamspace transform也叫相位模式激励。它的核心思想是通过一组离散傅里叶变换矩阵把均匀圆阵的带指数项导向矢量变换成一个类似均匀线阵的虚拟导向矢量从而让线阵上那套高效的 Root-MUSIC、ESPRIT 算法也能用在圆阵上。简单理解圆阵的导向矢量长得不规整是因为指数项里带着 cos(θ - 2πn/N)。利用 Jacobi-Anger 展开可以把这个指数项展开成一系列贝塞尔函数的组合每一项对应一个“相位模式”。保留有限个模式后圆阵的导向矢量就被近似写成了“虚拟线阵”的形式此时可以直接用线阵的那套子空间方法。我第一次看到这个变换时觉得“这真是神来之笔”。但实现时有一点需要注意模式空间变换只对有限个模式有效所以对模式数的选择有讲究模式数太少则近似误差大模式数太多则噪声子空间被压缩、性能下降。经验值上模式数 M 取 2⌊kR⌋1 左右比较均衡其中 kR 是圆阵的尺寸参数。如果你的场景需要处理宽频带信号模式数还要随频率调整这就涉及宽带聚焦处理属于另一个话题了。5.3 关于算法选型的几句心里话最后说点偏个人的经验。每次有人问我“做方位估计用哪个算法好”我的建议都是先想清楚三个问题有多少个阵元、信噪比大概多少、要不要实时。如果阵元少比如 4 到 8 元、信噪比中等、实时性要求高那 Capon 波束形成或 ESPRIT 往往比 MUSIC 实际更合用因为 MUSIC 虽然精度上限高但它的计算代价和参数敏感性在低阶系统中不划算。如果阵元多16 元以上、信噪比能达到 10dB 以上、且不要求极致的实时性那 MUSIC 就是很好的选择精度确实高鲁棒性也可以接受。MUSIC 和圆阵这对组合是我个人非常推荐研究的组合。它的难度适中能让你同时掌握阵列模型、子空间分解、谱搜索、误差分析这些最核心的阵列处理技能。研究清楚之后再去学 ESPRIT、压缩感知、深度学习 DOA都会顺畅很多。我在实际项目中做过的多个测向系统基本都是这套技术路线的工程落地版。如果有条件我建议你一定要在实际硬件上调试一次圆阵 MUSIC。仿真里不会出现的通道幅相误差、互耦、阵元位置误差、环境反射全都在实测里集中爆发。把这些问题逐个解决掉你对阵列信号处理的理解会上一个台阶这也正是做这个方向最有意思的地方。本文还有配套的精品资源点击获取
均匀圆阵MUSIC算法DOA估计原理与仿真实战
简介阵列信号处理中波达方向DOA估计是无线通信、雷达、声呐等领域的核心技术之一。均匀圆形阵列UCA凭借360度全方位覆盖以及方位角、俯仰角联合估计能力成为全向感知场景的优选阵型。MUSIC算法通过协方差矩阵特征分解分离信号子空间与噪声子空间利用子空间正交性构造空间谱并搜索谱峰具有高分辨率优势。将MUSIC应用于均匀圆阵时需要特别关注阵元间距约束、相位模糊、相干信源和低信噪比等工程问题。文章从均匀圆阵的几何模型出发结合MATLAB仿真代码系统梳理了参数设计、二维搜索策略以及常见故障排查方法帮助工程人员在实时系统中更高效地实现高精度测向。1. 均匀圆阵的定位与设计思路1.1 先从“均匀园阵”这个笔误说起搜索时看到“均匀园阵”这个写法我第一反应是“圆”不是“园”不过说实在的圈子里大家搜“均匀圆阵”的时候也经常会有这种别名笔误。所以这篇就按均匀圆形阵列Uniform Circular ArrayUCA来展开配合MUSIC算法做方位估计也就是常说的DOADirection of Arrival估计。均匀圆阵是阵列信号处理里非常经典的阵型。相比均匀线阵ULA只能做到180度范围内的测向能力圆阵天然具备360度全方位覆盖的优势而且结构对称方位角和俯仰角能同时估计。简单来说它就是在一个圆形支架上等间距放置若干个天线阵元所有阵元处在同一平面阵元间距沿圆弧均匀分布。我以前做声源定位项目时第一次从线阵切到圆阵的感触很深线阵对前方和后方来的信号是天然模糊的必须靠额外的信息消除左右模糊而圆阵没有这个烦恼。所以只要你的应用场景是全方位监测均匀圆阵基本是首选。再加上MUSIC这类子空间类算法理论上能达到很高的测向精度组合在一起就构成了今天这篇的核心内容。1.2 均匀圆阵的几何模型与参数约定要理解后面所有的仿真和算法首先得把圆阵的几何模型理清楚。我习惯用以下参数来描述一个均匀圆阵阵元数 N圆周上均匀分布的阵元个数。圆阵半径 R圆心到阵元的距离。工作波长 λ由中心频率 f0 决定λ c / f0。方位角 θ信号来向在水平面内与 x 轴正方向之间的夹角范围 [-180°, 180°]。俯仰角 φ信号来向与 z 轴正方向之间的夹角范围 [0°, 180°]90度表示信号从水平面方向来。第 n 个阵元的位置坐标可以表示为x_n R·cos(2πn/N)y_n R·sin(2πn/N)z_n 0假设有一个远场窄带信号从方向 (θ, φ) 入射那么该信号到达第 n 个阵元相对参考点的波程差为τ_n (R·sinφ·cos(θ - 2πn/N)) / c对应的导向矢量steering vector为a(θ, φ) [exp(j·2π/λ·R·sinφ·cos(θ - 2πn/N))]n 0, 1, ..., N-1这个导向矢量是整个MUSIC算法的核心后面谱搜索时就是拿它去和噪声子空间做投影。1.3 圆阵相对线阵的优势与代价很多刚接触阵列信号处理的同学会问既然线阵模型简单为什么还要用圆阵我的经验里这个选择本质上是在“全方位覆盖”和“处理复杂度”之间做权衡。圆阵的优势很明确360度无死角覆盖不存在线阵的前后模糊问题。方位角和俯仰角可以联合估计线阵只能估计一维角度。结构对称波束可以在任意方向扫描扫描性能均匀。代价同样清楚圆阵的导向矢量不具备线阵那样的 Vandermonde 结构很多基于线阵特性的快速算法不能直接套用。方位角和俯仰角之间存在耦合需要二维搜索或者做模式空间变换计算量明显上升。圆阵的波束宽度在扫描过程中会有变化且阵元间距如果设计不当栅瓣问题比线阵更隐蔽。所以在做方案选型时我不会一上来就说“圆阵好”而是先看一眼应用需求如果是 180 度覆盖的基站场景线阵完全够用如果是雷达警告、声呐监听、无人机反制这类需要全向感知的场景圆阵就是绕不开的选择。2. MUSIC算法原理与圆阵适配要点2.1 信号模型与协方差矩阵构建MUSICMultiple Signal Classification算法是Schmidt在1979年提出的经典子空间类算法核心思想是通过对接收数据的协方差矩阵做特征分解将观测空间划分为信号子空间和噪声子空间利用两个子空间的正交性构造空间谱进而搜索谱峰获得来波方向。先建立接收数据模型。假设有 K 个远场窄带信号分别从 (θ_k, φ_k) 入射到 N 元圆阵上那么 N×1 维的快拍数据可以表示为X(t) A·S(t) N(t)其中 A 是 N×K 维的阵列流型矩阵每一列对应该信号方向的导向矢量S(t) 是 K×1 维信号矢量N(t) 是 N×1 维噪声矢量一般假设为零均值高斯白噪声且与信号不相关。对接收数据求协方差矩阵R E[X(t)·X^H(t)] A·R_s·A^H σ²·I其中 R_s 是信号协方差矩阵σ² 是噪声功率I 是 N×N 单位阵。在工程实现中我们通常用有限快拍的样本协方差矩阵来近似R_hat (1/L)·Σ X(t_l)·X^H(t_l)l 1, 2, ..., L这里 L 是快拍数。快拍数越大R_hat 越接近真实协方差矩阵MUSIC 的估计性能越好。2.2 特征分解与子空间划分对 R_hat 做特征分解R_hat U_s·Σ_s·U_s^H U_n·Σ_n·U_n^H这里需要理解一个关键逻辑K 个来波信号对应 K 个较大的特征值这些特征值对应的特征向量张成信号子空间 U_s剩下的 N-K 个特征值较小理论上等于噪声功率 σ²对应的特征向量张成噪声子空间 U_n。信号子空间和噪声子空间是正交的所以任何真实来波方向的导向矢量 a(θ_k, φ_k) 都与噪声子空间中的所有向量正交即a^H(θ_k, φ_k)·U_n 0基于这个性质MUSIC 空间谱定义为P_MUSIC(θ, φ) 1 / (a^H(θ, φ)·U_n·U_n^H·a(θ, φ))在真实来波方向上分母趋近于零谱函数出现峰值。我们只需要在角度范围内扫描找到谱峰对应的坐标就得到了来波方位的估计值。2.3 MUSIC算法对圆阵的适配性分析这里有一个很多初学者容易忽略的点MUSIC 算法本身并没有要求阵列必须是线阵它只要求导向矢量精确已知且阵列流型矩阵满列秩。均匀圆阵完全满足这两个条件所以 MUSIC 算法可以直接用在圆阵上不需要做额外的改造。但直接使用有一个现实问题均匀线阵的导向矢量是 a(θ) [1, e^(jω), ..., e^(j(N-1)ω)]^T这种形式下可以用 Root-MUSIC、ESPRIT 等算法避开谱搜索计算效率非常高。而圆阵的导向矢量包含 cos(θ - 2πn/N) 这种非线性项没有闭式解只能做网格搜索。也就是说圆阵 MUSIC 的经典玩法就是“二维网格搜索”把方位角和俯仰角铺成网格逐个网格点计算空间谱找峰值。这个过程在 CPU 上跑很慢我早期做仿真时一度因为搜索步长设得太细单次运行跑了十几分钟。后来工程上一般会做两级搜索先粗搜比如5度步长锁定峰值区域再细搜0.1度精确定位速度提升非常明显。3. 均匀圆阵MUSIC方位估计仿真实操3.1 仿真参数设计从物理约束到数值选择做仿真之前参数设计是最关键的一步参数设错后面跑出来的结果再好看也是自欺欺人。我习惯按以下顺序确定参数第一确定阵元数 N。N 决定了阵列的自由度理论上最多能估计 N-1 个信源但工程上一般建议信源数不超过 N-2因为要留出噪声子空间的余量。我用 8 元或 16 元阵比较多。第二确定圆阵半径 R。这里必须考虑阵元间距的约束。相邻阵元之间的弧长间距为 d 2πR/N。为了不产生栅瓣和相位模糊需要保证 d ≤ λ/2于是 R ≤ Nλ/(4π)。比如 8 元阵在 3GHz 下λ 0.1mR 最大约 0.0637m。实际仿真时我通常取 d λ/2 对应的临界半径也就是 R Nλ/(4π)此时角分辨性能和阵元间去相关性能比较均衡。第三确定快拍数 L 和信噪比 SNR。快拍数太少样本协方差矩阵的估计误差大谱峰会变钝甚至偏出真实值。我一般至少设 200 拍起步做性能分析时用 1000 拍。SNR 从 -10dB 到 20dB 分别测一组能直观看到算法性能曲线。第四确定信源数 K。仿真时我会先固定 K3三个来波方向分别设为 (θ20°, φ90°)、(θ80°, φ90°)、(θ160°, φ90°)也就是都在水平面内入射先验证算法的基本正确性。3.2 MATLAB仿真实现步骤与核心代码我用 MATLAB 做这类仿真居多因为矩阵运算和画图都方便。完整流程分为六步我直接把可以“抄作业”的代码贴出来但注意代码是核心片段不是完整工程你需要结合自己的目录结构稍微调整。第一步初始化参数clear; clc; close all; % 基本参数 N 16; % 阵元数 R 0.2; % 半径单位米 f0 3e9; % 中心频率 3GHz c 3e8; % 光速 lambda c / f0; % 波长 k 2 * pi / lambda; % 波数 % 信源参数 K 3; % 信源数 theta_true [20, 80, 160]; % 方位角单位度 phi_true [90, 90, 90]; % 俯仰角单位度水平面入射 SNR 10; % 信噪比单位 dB L 1000; % 快拍数第二步生成阵列流型矩阵% 阵元方位角按逆时针均匀分布 angle_n (0:N-1) * (2*pi/N); % 第n个阵元位置 x_n R * cos(angle_n); y_n R * sin(angle_n); pos [x_n; y_n; zeros(1, N)]; % 构造方向对应的单位矢量 A zeros(N, K); for idx 1:K theta_idx theta_true(idx) * pi/180; phi_idx phi_true(idx) * pi/180; dir_vec [sin(phi_idx)*cos(theta_idx); sin(phi_idx)*sin(theta_idx); cos(phi_idx)]; phase_delay k * (pos * dir_vec).; % 1×N A(:, idx) exp(1j * phase_delay).; end第三步生成接收数据% 信号源假设零均值复高斯随机信号 S (randn(K, L) 1j*randn(K, L)) / sqrt(2); % 噪声按目标SNR调整功率 Noise (randn(N, L) 1j*randn(N, L)) / sqrt(2); signal_power mean(abs(A * S).^2, all); noise_power signal_power / (10^(SNR/10)); Noise Noise * sqrt(noise_power); % 接收数据 X A * S Noise;第四步计算协方差矩阵并做特征分解Rxx X * X / L; [Evec, Eval] eig(Rxx); eval_vec diag(Eval); % 按特征值降序排列 [~, idx_sort] sort(eval_vec, descend); Evec Evec(:, idx_sort); % 取噪声子空间最后 N-K 列 En Evec(:, K1:end);第五步谱搜索theta_search -180:0.1:180; phi_search 90; % 假设已知俯仰角只搜方位角用于演示 sp zeros(1, length(theta_search)); for idx 1:length(theta_search) theta_s theta_search(idx) * pi/180; phi_s phi_search * pi/180; dir_s [sin(phi_s)*cos(theta_s); sin(phi_s)*sin(theta_s); cos(phi_s)]; phase_s k * (pos * dir_s).; a_s exp(1j * phase_s).; sp(idx) 1 / (a_s * (En * En) * a_s); end第六步画图并找峰值figure; plot(theta_search, 10*log10(sp/max(sp)), b-, LineWidth, 1.2); xlabel(方位角 (deg)); ylabel(归一化空间谱 (dB)); grid on; title(均匀圆阵MUSIC方位估计空间谱); % 找峰值角度 [pks, locs] findpeaks(10*log10(sp/max(sp)), SortStr, descend, NPeaks, K); est_theta theta_search(locs); disp(估计得到的方位角为); disp(est_theta);运行上述代码在 SNR10dB、快拍数 1000 的条件下三个信源的方位角估计结果基本能达到 0.1 度以内的误差这是 MUSIC 算法的正常表现。如果有感兴趣的读者可以把 SNR 降到 0dB 再跑一次谱峰依然可见但会开始出现轻微偏移。3.3 二维搜索与俯仰角联合估计刚才的代码里我固定了俯仰角只搜索方位角。但真实场景中俯仰角往往是未知的这时候就要做二维搜索。二维搜索的循环结构比较简单外层循环方位角内层循环俯仰角逐点计算空间谱然后找二维谱峰。不过这里有一个经验值得分享如果只关心方位角俯仰角的搜索步长可以放宽到 2 度左右因为方位角估计对俯仰角误差的敏感度相对有限反之如果你对俯仰角精度敏感俯仰角的步长要加密到 0.5 度甚至更细这是对称的代价关系。二维搜索的计算量很大假设方位角 720 个点0.5 度步长、俯仰角 180 个点1 度步长那就是 129600 个网格点每个点都要做一次复向量乘加。所以工程上通常先用 ESPRIT 类算法或波束形成粗估角度范围再用 MUSIC 做局部精搜能把计算时间压缩到原来的几十分之一。4. 常见问题与排查技巧实录4.1 相位模糊与栅瓣问题我做圆阵MUSIC仿真时遇到最多的问题就是阵元间距没有设计好导致的相位模糊。相位模糊的直观表现是谱峰不唯一或者出现了和真实角度对称的“鬼峰”。原因很简单阵元间距超过半波长以后不同方向的来波在阵列上产生的相位差可能相同阵列无法区分它们。均匀圆阵的特殊性在于阵元间距沿圆弧分布所以约束条件不是简单地“阵元间距 ≤ λ/2”而是“相邻阵元的弧长间距 ≤ λ/2”。如果这个条件不满足哪怕 MUSIC 算法本身再精确也会在错误的角度上产生伪峰。排查技巧先做一个单信源仿真把来波方向设定在 0 度、90 度、180 度等多个方向分别测一遍如果某些方向出现对称伪峰优先检查半径 R 是否太大。另外可以通过 MATLAB 画出空间谱观察伪峰位置是否和真实角度的镜像对称如果是基本可以断定是相位模糊而非算法出错。4.2 相干信源导致MUSIC失效MUSIC 算法有一个前提信号之间互不相关。如果两个信号源是相干波比如同一个信号经过多径传播到达阵列接收协方差矩阵的信号子空间会缺秩导致 MUSIC 完全失效。现象很典型真实有两个信源但 MUSIC 谱上只出一个峰或者两个峰重叠在一起分不开。这时候最直接的解法是空间平滑技术。均匀线阵的空间平滑非常简单把阵列划分成重叠的若干子阵然后对子阵协方差矩阵平均。但均匀圆阵做平滑要注意一个问题圆阵不具备线阵那样的平移不变性所以需要把圆阵先变换到“虚拟线阵”上这个说法其实对应模式空间变换beamspace transform也可以用前向/后向平滑配合圆阵的特殊结构来处理。对一般工程实践我的建议是如果确认信号环境存在强多径相干第一种方案是增加阵元间距的随机扰动让各阵元的增益相位不完全一致第二种方案是改用前后向空间平滑算法第三种方案如果你的硬件系统支持多个频点用频率分集打破相干性也是可行路径。4.3 快拍数不足与低信噪比下的性能退化低快拍数、低信噪比是实测环境里的常态。仿真里给了 1000 快拍、10dB 信噪比结果当然漂亮但真实接收系统往往只有几十个快拍信噪比还可能掉到 0dB 以下。这种情况下MUSIC 的谱峰会变钝、偏移甚至出现谱峰分裂。我的调试经验分三步第一步先检查样本协方差矩阵的条件数。条件数太大说明矩阵严重病态要么快拍数不够要么通道间幅度相位不一致。第二步检查特征值分布。理想情况下信号子空间的特征值应该明显大于噪声子空间的特征值。如果特征值下降曲线平滑得像斜坡说明信噪比太低信号子空间和噪声子空间的边界模糊这时候要适当增加快拍数或者做对角加载diagonal loading在协方差矩阵对角线加一个小的正数稳定矩阵求逆过程。第三步验证信源数估计是否准确。实际中信源数 K 是未知的需要靠 AIC、MDL 等准则去估计。如果 K 估计多了或少了噪声子空间就不准确。这里有个小坑MDL 准则在小快拍和低信噪比下容易少估信源数我一般会保守地多看一个特征值拐点人工判断一下。下表是我整理的一套快速排查表可以直接存下来问题现象常见原因排查方向谱峰不唯一、出现伪峰阵元间距过大、半径超标检查 R ≤ Nλ/(4π) 是否成立谱峰偏向一侧阵元安装位置偏差、通道相位不一致做阵列校准修正通道幅相误差两个信源只出一个峰信源相干或信源数估计偏小空间平滑处理重新估计信源数谱峰过宽快拍数太少、SNR过低增加快拍或做对角加载谱峰分裂搜索网格过粗、特征分解不稳定细化搜索步长验证协方差矩阵结构估计结果随机跳变通道增益不平衡检查硬件通道一致性增加校准矩阵4.4 实测数据比仿真差的那些坑仿真跑通了不等于实测就稳了。这是我踩过多次坑后的真实体会。实测数据中阵列通道之间的幅相不一致是最杀伤 MUSIC 性能的因素。MUSIC 对导向矢量的精确性要求很高哪怕 5 度的相位误差就足以让谱峰偏移好几度。处理思路分两个层面。软件层面如果阵列模型已知可以做阵列流型实测校准在消音室或开阔场里把已知方向的信源放在几个标准角度记录接收数据反推每个阵元的幅度和相位补偿系数。硬件层面尽量选择通道一致性好的接收机或者在设计中加入校准信号通路定时自动校准。另外还有一个很容易忽略的问题阵元之间的互耦。仿真里通常假设阵元是理想点源但实际中阵元之间存在电磁耦合会导致导向矢量偏离理论值。我在一个无人机测向项目里因为阵元间距压得太小接近 λ/4互耦严重导致 MUSIC 测向精度从 1 度劣化到 5 度以上。后续通过全波仿真软件提取互耦矩阵对导向矢量做修正才把精度拉回来。所以如果你发现实测和仿真差距很大不要急着怀疑算法先把阵列硬件本身的误差排查干净。5. 均匀圆阵MUSIC的扩展方向与实践建议5.1 从仿真走向实时系统的关键改造如果要把这套仿真算法搬到实时系统里有几个绕不开的改造点。第一谱搜索计算量太大建议用粗搜加细搜的两级搜索策略或者预先计算导向矢量表存放在内存里避免实时计算。第二协方差矩阵更新可以用滑动窗口的方式每来一个新快拍就更新一次矩阵并做特征分解但要控制好更新频率避免 CPU 过载。第三实测中信号数 K 未知需要在 MUSIC 前级联一个信源数估计模块我用 MDL 准则比较多计算简单性能在中等信噪比下够用。实时化之后方位估计数据就变成了连续输出的“角度轨迹”为了平滑掉单帧的偶尔异常值我习惯加一个简单的卡尔曼滤波器或滑动均值滤波。注意不要过度平滑否则快速移动的目标会被钝化跟踪性能反而下降。5.2 模式空间变换圆阵高效化的核心技巧这里单独说一个提升均匀圆阵MUSIC性能的重要技巧叫模式空间变换beamspace transform也叫相位模式激励。它的核心思想是通过一组离散傅里叶变换矩阵把均匀圆阵的带指数项导向矢量变换成一个类似均匀线阵的虚拟导向矢量从而让线阵上那套高效的 Root-MUSIC、ESPRIT 算法也能用在圆阵上。简单理解圆阵的导向矢量长得不规整是因为指数项里带着 cos(θ - 2πn/N)。利用 Jacobi-Anger 展开可以把这个指数项展开成一系列贝塞尔函数的组合每一项对应一个“相位模式”。保留有限个模式后圆阵的导向矢量就被近似写成了“虚拟线阵”的形式此时可以直接用线阵的那套子空间方法。我第一次看到这个变换时觉得“这真是神来之笔”。但实现时有一点需要注意模式空间变换只对有限个模式有效所以对模式数的选择有讲究模式数太少则近似误差大模式数太多则噪声子空间被压缩、性能下降。经验值上模式数 M 取 2⌊kR⌋1 左右比较均衡其中 kR 是圆阵的尺寸参数。如果你的场景需要处理宽频带信号模式数还要随频率调整这就涉及宽带聚焦处理属于另一个话题了。5.3 关于算法选型的几句心里话最后说点偏个人的经验。每次有人问我“做方位估计用哪个算法好”我的建议都是先想清楚三个问题有多少个阵元、信噪比大概多少、要不要实时。如果阵元少比如 4 到 8 元、信噪比中等、实时性要求高那 Capon 波束形成或 ESPRIT 往往比 MUSIC 实际更合用因为 MUSIC 虽然精度上限高但它的计算代价和参数敏感性在低阶系统中不划算。如果阵元多16 元以上、信噪比能达到 10dB 以上、且不要求极致的实时性那 MUSIC 就是很好的选择精度确实高鲁棒性也可以接受。MUSIC 和圆阵这对组合是我个人非常推荐研究的组合。它的难度适中能让你同时掌握阵列模型、子空间分解、谱搜索、误差分析这些最核心的阵列处理技能。研究清楚之后再去学 ESPRIT、压缩感知、深度学习 DOA都会顺畅很多。我在实际项目中做过的多个测向系统基本都是这套技术路线的工程落地版。如果有条件我建议你一定要在实际硬件上调试一次圆阵 MUSIC。仿真里不会出现的通道幅相误差、互耦、阵元位置误差、环境反射全都在实测里集中爆发。把这些问题逐个解决掉你对阵列信号处理的理解会上一个台阶这也正是做这个方向最有意思的地方。本文还有配套的精品资源点击获取 
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
