160718 MUSIC算法原理分析.doc

MUSIC算法基本原理 信号模型 MUSIC算法是针对多元天线阵列测向问题提出的，用含个阵元的阵列对个目标信号进行测向，以均匀线阵为例，假设天线阵元在观测平面内是各向同性的，阵元的位置示意图如图1所示。 图1 均匀线阵示意图 来自各远场信号源的辐射信号到达天线阵列时均可以看作是平面波，以第一个阵元为参考，相邻阵元间的距离为，若由第个辐射元辐射的信号到达阵元1的波前信号为，则第个阵元接收的信号为 　　　 　　　　(1) 其中，为阵元对第个信号源信号的响应，这里可取，因为己假定各阵元在观察平面内是无方向性的，为信号的中心频率，为波的传播速度，表示第个信号源的入射角度，是入射信号方向与天线法线的夹角。计及测量噪声（包括来自自由空间和接收机内部的）和所有信号源的来波信号，则第个阵元的输出信号为 　　　 　(2) 式中，为噪声，标号表示该变量属于第个阵元，标号表示第个信号源。假定各阵元的噪声是均值为零的平稳白噪声过程，方差为，并且噪声之间不相关，且与信号不相关，则有 　　　　　 　　　　　(3) 式中，为维的接收数据向量 为维信号向量 为维的阵列流形矩阵 为维的方向向量， 为维的噪声向量 算法原理 由于各阵元的噪声互不相关，且也与信号不相关，因此接收数据的协方差矩阵为 　　　 　　 　(4) 其中，上标表示共轭转置，即 　 　　　(5) 为空间信号的协方差矩阵 　　　　 　　　　　　(6) 由于假设空间各信号源不相干，并设阵元间隔小于信号的半波长，即，，这样矩阵将有如下形式 　　　 　(7) 矩阵是范德蒙德阵，只要，它的列就相互独立。这样若为非奇异阵，则有 　　　　　　　　　 　　　(8) 由于是正定的，因此矩阵的特征值为正，即共有个正的特征值。 其中＞0，而的特征值为正，为满秩阵，因此有个正特征值，按降序排列为，它们所对应的特征向量为，且各特征向量是相互正交的，这些特征向量构成维空间的一组正交基。与信号有关的特征值有个，且，它们分别等于的各特征值与之和，而矩阵的其余个特征值为，也就是说为的最小特征值，它是重的。因此只要将天线各阵元输出数据的协方差矩阵进行特征值分解，找出最小特征值的个数，据此就可以求出信号源的个数，即有 　　　　　　 　 　　　　　　　　(9) 同时求得的最小特征值就是噪声功率，设已求得的最小特征值为，它是重的，对应着个相互正交的最小特征向量，设为，，则有 ， (10) 代入式得 ， (11) 由于=，所以 ， (12) 由于矩阵是范德蒙阵，矩阵是正定阵，因此 ， (13) 表明的诸最小特征向量与矩阵的各列正交。 由于的最小特征向量仅与噪声有关，因此由这个特征向量所张成的子空间称之为噪声子空间，而与它正交的子空间，即由信号的方向向量张成的子空间则是信号子空间。将矩阵所在的维空间分解成两个完备的正交子空间，信号子空间和噪声子空间，形式上可以写成 　(15) 为了求出入射信号的方向，可以利用两个子空间的正交性，将诸最小特征向量构造一个维噪声特征向量矩阵 　　　　　　 　　　 　　　(14) 则在信号所在的方向上，显然有 　　　　　 　　　　　　　　(15) 上式右边为零向量。 由于协方差矩阵是根据有限次观测数据估计得到的，对其进行特征分解时，最小特征值(噪声方差)和重数的确定以及最小特征向量的估计都是有误差的，当为存在偏差时，式右边不是零向量。这时，可取使得的2-范数为最小值的作第个信号源方向的估值。连续改变值，进行谱峰搜索，由此得到个最小值所对应的就是个信号源的位置角度。通常做法是利用噪声子空间与信号子空间的正交性，构造如下空间谱函数 　　　　 　　　　(16) 谱函数最大值所对应的就是信号源方向的估计值。 为了更清楚起见，现把MUSIC算法计算步骤总结如下： (1)根据天线阵列中各阵元接收的数据估计协方差矩阵； 由阵列输出信号的采样值求协方差矩阵的估计，设阵列输出信号向量表示为，每次采样叫做一个快拍，设一次估计所用的快拍数为，则共有个数据向量，，于是 　　　　　　 　　　　(17) (2)对进行特征值分解，获得特征值和特征向量； (3)按照某种准则确定矩阵最小特征值的数目，设这个最小特征值分别为，则 　　　　　 　　(18) 与之对应的特征向量为