MUSIC算法分析和总结.docx

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 M 个阵元的阵列对 K ?K ? M ?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 6.23 所示。 ?k? ? k ? k M i 2 1 图 6.23 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 d ，若由第 k 个辐射元辐射的信号到达阵元 1 的波前信号为 kS (t) ，则第i 个阵元接收的信号为 k ? ? ? ? ? ? ? ? a S t k k exp ? j i ?1 d sin / c 0 k (6.84) 其中，a 为阵元i 对第k 个信号源信号的响应，这里可取a k k ? 1 ，因为己假定各阵元在观察 k平面内是无方向性的，? 为信号的中心频率， c 为波的传播速度，? 表示第k 个信号源的 k 0 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i 个阵元的输出信号为 x ?t ?? ?K i k ?1 a S ?t ?exp ?? j? ?i ? 1?d sin? / c?? n ?t ? (6.85) k k 0 k i 式中， n i (t) 为噪声，标号i 表示该变量属于第i 个阵元，标号k 表示第k 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? 2，并且噪声之间不相关，且与信号不 相关。将式(2-13)写成向量形式，则有 式中， X (t) ? [x 1  (t), x 2  (t),?, x M X ?t ?? AS ?t ?? N ?t ? (6.86) (t)]T 为 M 维的接收数据向量 S(t) ? [S 1 (t), S 2 (t),?, S K (t)]T 为 K 维信号向量 A ? [a(? 1 ), a(? 2 ),?, a(? K )] 为 M ? K 维的阵列流形矩阵 00ka(? 0 0 k k ) ? [1, e? j? ?k ,?, e? j? (M ?1)?k ]T 为 M 维的方向向量，? d sin? c ?k ? N (t) ? [n 1 (t), n 2 (t),?, n M (t)]T 为 M 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 X (t) 的协方差矩阵为 ? ? ? ? ?? 其中，上标H 表示共轭转置，即 R ? E X t X H t (6.87) R ? APAH ?? 2 I (6.88) P 为空间信号的协方差矩阵 ? ? ? ? ?? P ? E S t S H t (6.89) 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 d ? ? 2 ， ? ? 2 π c ? 0 ，这样矩阵 A 将有如下形式 ? 1 1 ? 1 ? ? ? ? ? j 2 π d sin?1 e ? j 2 π d sin?2 e ? j 2 π d sin?D ? ? ? A ? ? e ? ? ? ? ?? ? ? ? ? ?λ?? ? ? λ ? (6.90) ee2 π d 2 π d e e λλ? ? j ( M ?1) sin θ1 ? j ( M ?1) sin θ2 λ λ e ? j 2 π d ( M ?1) sin θD ?? 矩阵 A 是范德蒙德阵，只要? i 则有 ? ? (i ? j) ，它的列就相互独立。这样若 P 为非奇异阵， ? ? ? rank APAH ? K (6.91) 由于 P 是正定的，因此矩阵 APA H 的特征值为正，即共有K 个正的特征值。 在式(6.88)中? 2＞0，而 APA H 的特征值为正， R 为满秩阵，因此 R 有 M 个正特征 值，按降序排列为? ? ? 1 2 ? ? ? ? ? 3 M ，它们所对应的特征向量为v , v 1 2 ,?, v M ，且各特 征向量是相互正交的，这些特征向量构成M ? M 维空间的一组正交基。与信号有关的特征值有 K 个，且 K ? M ，它们分别等于 APA H 的各特征值与 ? 2 之和，而矩阵的其余(M ? K ) 个特征值为? 2 ，也就是说? 2 为 R 的最小特征值，它是(M ? K ) 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n E 可以求出信号源的个数K ，即有 K ? M ? n E ，据此就 (6.92) 同时求得的最小特征值就