约束正则化 & MUSIC 实现DOA

MUSIC做DOA估计问题是从谱估计思路出发，对接收信号做自相关处理得到R，接着对R做奇异值分解根据目标个数得到信号子空间和噪声子空间，接着利用分解的噪声特征向量得到谱函数，对空域搜索得到不同角度值下的谱函数。

MUSIC算法解释网上解释很多，我原来奇怪的一点是为什么自相关矩阵R分解后的大特征值对应的就是信号子空间，小特征值对应的就是噪声子空间。后来在知乎上看到一个有关协方差的解释 https://zhuanlan.zhihu.com/p/338335181 帮助大家理解

最近在看压缩感知和凸优化相关算法，看到有用正则化做DOA的方法，其实就是在模型s=Ag+n中加了一个约束条件

其中L(g)为代价函数，通常代价函数为g的二范数平方值。lamda为正则化系数。不同的场景下是不同的约束条件。

下边贴一下matlab代码和仿真结果

% 作者：gxy
% 功能：分别用MUSIC算法和正则化方法进行角度估计
% 时间：2021年6月8日

clc
clear all
close all
% 回波构造
N = 8;                   % 阵列数
dd = 0.5;               % 阵列间距与波长比值 
d=0:dd:(N-1)*dd;  % 阵列相对波长位置
theta = [-10 5];     % 目标角度
NumK = length(theta);      
snr = 20;               % 输入信噪比dB
Sample = 1;          % 快拍数

A=exp(-1i*2*pi*d.'*sind(theta)); % 导向矢量
S=randn(NumK,Sample);           % 目标回波
X=A*S;                                        % 阵列接收信号
X1=awgn(X,snr,'measured');       % 加噪信号

%%  MUSIC一般处理步骤
Rxx=X1*X1'/Sample;                   % 接收信号自相关
InvS=pinv(Rxx);                         
[EV,D]=eig(Rxx); 
EVA=diag(D)';
[EVA,I]=sort(EVA);
EVA=fliplr(EVA);
EV=fliplr(EV(:,I));                         

for iang = 1:361
        angle(iang)=(iang-181)/2;
        a=exp(-1i*2*pi*d*sind(angle(iang))).';
        L=NumK;    
        En=EV(:,L+1:N);
        SP(iang)=(a'*a)/(a'*En*En'*a);
end
% MUSIC结果绘图
SP=abs(SP);
SPmax=max(SP);
SP=10*log10(SP/SPmax);
h=plot(angle,SP);
set(h,'Linewidth',2)
% xlabel('angle (degree)')
% ylabel('magnitude (dB)')
axis([-90 90 -60 0])
set(gca, 'XTick',[-90:30:90])
grid on  


%% 用约束条件
d_lamda = 0.5;
AA=[];                        %构造过完备基
theta=-90:0.5:90;       % 与MUSIC一样的搜索间距及步长

for kkk= 1:length(theta) 
    g=exp(-1i*2*pi*[0:N-1]'*d_lamda*sind(theta(kkk)));  
    g = repelem(g,Sample);
    AA=[AA,g]; 
end 
% 多快拍
y = reshape(X1.',1,[]); 
y = y.';
cvx_begin
    variable x(length(theta));  
    minimize(square_pos(norm(y-AA*x,2)) + 2 *(norm(x,1)));  % 约束条件
cvx_end
searching_doa = theta;
% 正则化结果绘图
hold on ;
plot(searching_doa, 10*log10(abs(x)./max(abs(x))),'Linewidth',2);
xlabel('DOA/degree');
ylabel('PowerdB');
ylim([-140 0])
legend('MUSIC' , '正则化方法')

仿真在20dB信噪比下，阵元数为8，单快拍，两目标分别为-10°和5°条件下的参数估计结果。可以看出约束正则化针对低快拍，低信噪比时能准确估计到达角。

推荐一本《凸优化》，作者Stephen Boyd，王书宁等翻译，清华大学出版社

【初步认识优化方法，等过段时间深入了解之后再分享】