毫米波雷达之Esprit算法

---

一、 算法简介

基于旋转不变技术的信号参数估计（Estimating Signal Parameter via Rotational Invariance Techniques,Esprit）算法，核心思想是将接收阵列天线划分为两个阵元数相等的重叠子阵A和B，这两个子阵对应的阵元之间的位置相同，因此接收信号在这两个子阵的入射角相差一个旋转因子，该旋转因子包含DOA估计信息，通过求解广义特征值方程可以得到该旋转因子的大小，进而可以求得目标的来波方向。相较于MUSIC算法，ESPRIT算法的复杂度更小，计算量更小。
均匀线阵数量为M，线阵间隔为d，且子阵A是子阵B的完全平移，如图

假设雷达在远场存在K(K<M)个非相干的窄带信号，t时刻阵列输出表达式可以写成公式
令子阵A的输出为z1(t),子阵B的输出为z2(t),可以得知z1(t)为z(t)前M-1行数据，z2(t)为x(t)后M-1行数据。设a1(Θ)表示a(Θ)前M-1行，a2(Θ)表示a(Θ)后M-1行，那么根据均匀线阵的结构可得：

对阵列信号的协方差矩阵进行特征值分解，可以得到：

其中Us表示信号子部分，Un表示噪声子部分，Us代表前K个较大特征值对应的特征向量，Un由M-K个剩余的特征向量组成，因此：

对公式上述右乘Us，并结合UsUH=1,可得：



设Us前M-1行为U1，后M-1为U2，则有

可以得到，

其中，αk表示对角矩阵D中第k个元素，∠表示取角运算。
U1、U2张成同一空间，则组合矩阵[U1 U2]的秩为K，因此有且只有一个2K*K维度的矩阵F，使得：

因为F张成[U1 U2]的零空间，因此对[U1 U2]H[U1 U2]进行特征分解之后得到的K个特征值所对应的特征向量即为F，通过F就可以得到矩阵F1、F2和E。对矩阵E进行特征值分解就可以得到对角矩阵D，从而可以得到各个信号的 DOA 估计。
利用MATLAB对MUSIC性能进行检测，仿真参数如表3.5，仿真结果如图：

可以看出，ESPRIT算法相对于DBF算法可以达到角度超分辨，能够准确分辨出相距较近的目标1和目标2。

---