基于Root-MUSIC算法的室内AOA估计系统

资 源 简 介

本项目主要实现了一种改进的超分辨率方向寻径方法，即Root-MUSIC算法，用于在室内复杂环境背景下实现精确的到达角（AOA）预测。该系统的核心逻辑是利用均匀线性阵列（ULA）采集到的空间信号，通过构建信号的协方差矩阵并进行特征值分解，从而将信号特征空间划分为信号子空间和与其正交的噪声子空间。不同于传统MUSIC算法需要通过遍历所有可能的角度来构造空间谱并寻找峰值，Root-MUSIC算法通过定义阵列流型多项式并在复平面上进行求根运算，直接识别出最接近单位圆的根值来映射为真实的入射角度。该方法极大地提高了

详 情 说 明

基于Root-MUSIC算法的室内环境到达角(AOA)估计系统

项目介绍

本项目实现了一种基于Root-MUSIC（多重信号分类求根法）的超分辨率到达角（AOA）估计算法，专为室内复杂多径环境下的无线电定位而设计。在室内场景中，传统的基于波束成形的算法往往受限于分辨率不足，而标准的MUSIC算法则因需要执行耗时的全局角度扫描（网格搜索）而在实际应用中受到限制。

本项目通过将阵列测向问题转化为多项式求根问题，利用均匀线性阵列（ULA）采集的信号特征，直接计算出精确的入射角度。这种方法不仅消除了由于步长设置导致的量化误差，还显著降低了计算开销，是研究低功耗、高精度室内定位方案（如智能家居、工业物联网设备监测及室内机器人导航）的理想仿真平台。

功能特性

• 超分辨率估计：能够区分空间中角度非常接近的多个信号源，突破传统瑞利限。
• 无需网格搜索：通过解析法求根，规避了传统算法中空间谱扫描带来的巨大计算量。
• 自动根筛选：系统能够自动识别并提取复平面上最接近单位圆的特征根，确保估计结果的可靠性。
• 多维度仿真：支持自定义接收天线阵元数、信号源数量、入射角度、信噪比（SNR）和快拍数据量。
• 可视化分析：提供复平面根分布图和归一化空间谱对比图，直观展现算法性能。

使用方法

1. 环境配置：确保计算机已安装MATLAB R2016b或更高版本。
2. 运行仿真：打开提供的脚本文件，直接点击“运行”按钮或在命令行输入主函数名称。
3. 参数调整：在脚本的“参数设置”区域手动修改信噪比（SNR）、阵元数（M）或真实入射角度（theta_true）进行对比实验。
4. 结果查看：在MATLAB控制台查看计算出的估计角度、均方根误差（RMSE）和执行时间；同时观察生成的各图表辅助分析。

系统要求

• 软件环境：MATLAB (推荐 R2020a 及以上版本)。
• 硬件要求：无特殊要求，普通办公级CPU即可实现秒级运算。

核心实现逻辑说明

系统主要在主程序中按顺序执行以下逻辑步骤：

1. 物理环境与信号建模

系统首先模拟一个2.4GHz频率的无线环境。设置一个包含10个阵元的均匀线性阵列，间距为半波长。通过导向矢量矩阵构造包含随机复高斯信号和加性高斯白噪声的混合信号模型。此过程模拟了室内接收端实际获取的原始射频数据。

2. 协方差矩阵估计与特征分解

对采集到的接收信号进行统计分析，计算采样协方差矩阵。通过对该矩阵进行特征值分解，将空间向量划分为两个相互正交的子空间。根据特征值的大小，选取较大部分对应的向量作为信号子空间，剩余部分构建为噪声子空间。

3. 多项式构造

这是Root-MUSIC算法的关键。系统利用噪声子空间矩阵与其转置共轭的乘积构造一个Hermitian矩阵。通过对该矩阵各条对角线上的元素求和，生成一个2M-1阶的多项式系数序列。该多项式的物理意义代表了阵列导向矢量与噪声子空间的非正交程度。

4. 复平面求根与特征根选择

使用解析求根方法获取该多项式在复平面上的所有根。由于理论上信号对应的根应位于单位圆上，实用中受噪声影响会略微偏离。脚本通过逻辑筛选，首先保留单位圆内部的根，然后按模长与1的接近程度排序，选取前K个最显著的根作为信号特征根。

5. 角度映射与性能度量

将选定的特征根通过复角运算映射回实空间，利用反三角函数计算出对应的入射角度（AOA）。最后，通过计算估计值与设定真值的均方根误差来量化系统精度，并统计算法运行耗时。

关键算法细节分析

• 求根精度：Root-MUSIC在特定信噪比下通常比MUSIC表现更稳定，因为它直接处理多项式的根，避免了寻找谱峰时可能出现的平台效应或伪峰干扰。
• 计算效率：由于减少了成千上万次的矩阵乘法扫描，算法响应时间通常维持在微秒或毫秒级。
• 根分布特性：在视觉化分析中，信号根会紧贴单位圆，而噪声产生的冗余根则通常远离单位圆或成对分布，系统利用这一特性保证了在低信噪比下的鲁棒性。
• 室内适用性：项目中的窄带模型和相干性模拟反映了室内环境的主要特征，支持对多径反射引起的定位偏差进行初步评估。