【SP 算法学习】多信号分类算法-Mulitple Signal Classification（MUSIC)

多信号分类算法-Mulitple Signal Classification（MUSIC)

1. 背景

(1)波达方向 direction of arrival (DOA) 估计

阵列信号处理具有广泛的应用，如雷达、声纳、医学、地震、卫星和通信系统。它成为信号处理领域的热点和难点[1]。阵列信号处理旨在处理阵列天线接收的信号，增强有用信号，抑制干扰和噪声，同时收集有用信号参数。与传统的信号定向传感器相比，传感器阵列可以灵活地控制波束，信号增益高，抗干扰能力强。这就是为什么近二十年来阵列信号处理理论能够蓬勃发展的原因。DOA估计有两个研究方向，自适应阵列信号处理和空间谱估计。自适应在文献中比空间谱更早出现，并且已经在许多实际工程系统中使用。空间谱是阵列信号处理理论中的一个重要概念。它显示了空间中每个方向的信号分布。因此，如果可以获得信号的空间频谱，就可以获得到达方向（DOA）。因此，空间谱估计也可以称为DOA估计。

DOA估计是阵列信号处理和许多工程应用中的一个关键研究领域，如无线通信、雷达、射电天文学、声纳、导航、各种物体的跟踪、地震、医学和其他需要由到达方向估计支持的紧急援助设备[2]。在现代社会，DOA估计通常作为阵列处理领域的一部分进行研究，因此许多工作突出了无线电测向。在过去的十年中，无线局域网（WLAN）由于其灵活性和方便性而快速增长。为了满足高级服务的要求，需要高速数据速率。由于频谱低端的过度使用，人们开始寻找更高的频带以获得更多的应用。随着更高的用户密度、更高的频率和更高的数据速率，多径衰落和交叉干扰成为主要问题。为了解决这些问题并获得更高的通信容量，智能天线系统被证明在抑制干扰和多径信号方面非常有效[1-3]。

(2)多信号分类算法Mulitple Signal Classification（MUSIC)

使用具有创新信号处理的阵列天线系统代替单个天线可以提高DOA估计的分辨率。该阵列结构提供接收波形的空间采样。在信号接收和参数估计中，传感器阵列比单个传感器具有更好的性能。有许多种超分辨率算法，如谱估计、Bartlett、Capon、ESPRIT、Min范数和MUSIC[4]。MUSIC算法是估计多个信号源的DOA中最流行和最广泛使用的基于子空间的技术之一。当使用MUSIC算法时，需要大量的计算来搜索谱角，因此在实际应用中，其实现可能很困难。与谱MUSIC算法相比，根MUSIC方法具有更好的性能和更低的计算复杂度。它只能用于均匀线性阵列（ULA）或非均匀线性阵列，其阵列限于均匀网格[5-6]。

多信号分类（MUSIC）算法由Schmidt及其同事于1979年提出[7]。它开创了空间谱估计算法的新时代。结构算法的推广具有兴起和发展的特点，已成为空间谱理论体系的关键算法。**MUSIC算法的基本思想是对任何阵列输出数据的协方差矩阵进行特征分解，从而产生与对应于信号分量的噪声子空间正交的信号子空间，然后利用这两个正交子空间构成一个频谱函数，通过频谱峰值搜索获得并检测DOA信号。**正是由于MUSIC算法在一定条件下具有较高的分辨率、准确性和稳定性，吸引了大量学者进行深入的研究和分析。通常，当用于估计信号的DOA时，它具有以下优点。

1. 同时测量多个信号的能力。
2. 高精度测量。
3. 天线波束信号的高分辨率。
4. 适用于短数据环境。
5. 采用高速处理技术后可实现实时处理。

2. MUSIC原理推导

（1）DOA估计数学模型

为了更方便地分析和推导，现在假设DOA问题的理想数学模型满足以下条件。

1. 每个测试信号源具有相同但不相关的极化。通常认为信号源是窄带的，每个信号源具有相同的中心频率${\omega }_0$。测试信号源的数量为D。
2. 天线阵列是由M（M>D）个阵列元件组成的间隔线性阵列；每个元素都具有相同的特性，并且在每个方向上都是各向同性的。
3. 间隔为$d$，并且阵列元件间隔不大于最高信号频率的波长的一半。
4. 远场源中的每个天线元件，即接收来自信号源的信号的天线阵列是平面波。
5. 阵列元件和测试信号都是不相关的；方差${\sigma }^2$为零平均高斯噪声$n_m(t)$。
6. 每个接收支路具有相同的特性。

假设空间有M元等距线阵，阵元间距为$d$，信号的波长为$\lambda$，空间中有D个信号源，则第$m$个阵列元件的输出信号为
$$x_m(t)=\sum _{k=1}^D{a}_m\left({\theta }_k\right)s_k(t)+n_m(t)$$
其中$s_k(t)$是信号源$k$的信号强度，$n_m(t)$是测量噪声，$a_m\left({\theta }_k\right)=\exp \left[-j(m-1)\frac{2\pi \mathrm{d}\sin {\theta }_k}{\lambda }\right]$为阵元$m$对信号源$k$的响应函数。上述下标为$m$的都属于第$m$个阵列元件， 下标为$k$的都属于信号源$k$（该部分省略响应函数的推导过程）。上述表达式可以写成矩阵形式：
$$\mathrm{X}=\mathrm{AS}+\mathrm{N}$$
其中
$$\begin{array}{rl}X& ={\left[{\mathrm{x}}_1(\mathrm{t}),{\mathrm{x}}_2(\mathrm{t}),\dots ,{\mathrm{x}}_{\mathrm{M}}(\mathrm{t})\right]}^{\mathrm{T}}\\ \mathrm{S}& ={\left[{\mathrm{S}}_1(\mathrm{t}),{\mathrm{S}}_2(\mathrm{t}),\dots ,{\mathrm{S}}_{\mathrm{D}}(\mathrm{t})\right]}^{\mathrm{T}}\\ \mathrm{N}& ={\left[{\mathrm{n}}_1(\mathrm{t}),{\mathrm{n}}_2(\mathrm{t}),\dots ,{\mathrm{n}}_{\mathrm{M}}(\mathrm{t})\right]}^{\mathrm{T}}\\ \mathrm{A}& ={\left[a\left({\theta }_1\right),a\left({\theta }_2\right),\dots ,a\left({\theta }_D\right)\right]}^{\mathrm{T}}\\ & =[\begin{array}{c}1\end{array}\\ & \end{array}$$