基于多维搜索最大似然准则的DOA估计算法仿真

资 源 简 介

本项目实现一种基于确定性或随机性最大似然（Maximum Likelihood, ML）准则的波达方向（DOA）估计算法。该算法通过对阵列接收数据的概率密度函数进行建模，利用极大似然原理构造目标函数，从而在参数空间内寻求使似然值最大化的入射角度集合。 与传统的MUSIC、ESPRIT等依赖信号与噪声子空间正交性的子空间类算法相比，最大似然方法不要求信号协方差矩阵必须满足预定的秩条件，因此在处理相干信号、低信噪比环境或样本数极少的极端情况下，其估计精度和鲁棒性均优于子空间算法，能够逼近克拉美罗界（CRB）。

详 情 说 明

基于最大似然方法的多维搜索DOA估计算法仿真系统

项目介绍

本项目提供了一个基于确定性最大似然（Deterministic Maximum Likelihood, DML）准则的波达方向（DOA）估计仿真系统。该系统通过对阵列接收数据进行统计建模，利用极大似然原理构建目标函数，并结合多维非线性优化算法在参数空间内搜索最佳入射角度集合。相较于传统的MUSIC或ESPRIT算法，该方法在低信噪比、少快照以及相干信号环境下展现出更接近克拉美罗界（CRB）的估计精度。

功能特性

1. 阵列信号模拟：支持构造典型均匀线性阵列（ULA）的接收信号模型，涵盖远场窄带信号、复高斯白噪声及指定信噪比配置。
2. 多维似然函数计算：实现了确定性最大似然准则的目标函数，通过投影矩阵算子衡量信号空间与观测空间的匹配程度。
3. 参数空间可视化：针对双信号源场景，生成二维似然函数能量分布图，直观展示似然函数的全局最值及局域分布特征。
4. 高精度数值搜索：采用基于单纯形法（Nelder-Mead）的非线性优化搜索技术，实现对多维参数空间的精细化求解，避免了传统网格搜索巨大的计算开销。
5. 统计性能评估：内置蒙特卡罗试验模块，自动计算不同信噪比环境下的均方根误差（RMSE），并生成性能随信噪比变化的分析曲线。

使用方法

1. 环境配置：确保计算机已安装MATLAB及其基本数学运算工具箱。
2. 运行仿真：在MATLAB命令窗口直接运行主脚本函数。
3. 结果观察：程序将依次输出收敛时间统计、多维搜索状态表，并弹出包含“似然空间分布图”与“RMSE性能曲线”的可视化窗口。
4. 参数调整：可根据需要修改脚本开头的阵元数、信号源数量、快照数或蒙特卡罗试验次数。

系统要求

1. 软件环境：MATLAB R2016a 或更高版本。
2. 硬件要求：具备基本数值计算能力的通用PC。

功能实现逻辑说明

1. 参数初始化：

系统首先定义仿真环境，包括10个阵元、2个入射信号源（角度分别为-10和20度）、100个采样快照以及0.5波长的阵元间距。同时预设信噪比测试范围（-10dB至20dB）。

1. 信号生成模型：

通过计算阵列流型矩阵，结合随机生成的复高斯信号源和加性高斯白噪声，合成接收阵列数据。随后计算样本协方差矩阵，作为后续极大似然估计的基础输入。

1. 单次运行与空间分布展示：

在固定信噪比（10dB）下，程序在-30到30度的范围内构建二维角度网格。对网格中的每一对角度组合，计算其对应的最大似然目标函数值，并将其映射为负对数坐标下的能量分布，从而直观呈现似然函数的峰值位置。

1. 多维数值搜索：

系统利用非线性搜索函数对多维目标函数进行优化。程序会给出一个带有轻微随机误差的初始猜想值，通过迭代寻找使目标函数（投影矩阵迹）最小化的参数组合，从而实现高精度的角度估计。

1. 性能规模实验：

针对不同的信噪比设置，程序执行多次独立的蒙特卡罗试验。在每一次试验中，系统都会重新进行多维搜索并记录估计结果。

1. 数据分析与可视化：

最后，系统对所有实验数据进行统计，计算RMSE。可视化界面会展示两个核心图表：一个是似然函数的3D空间能量分布图，并标记出真实的入射角位置；另一个是RMSE随信噪比变化的半对数坐标曲线。

关键算法与细节分析

1. 确定性最大似然（DML）目标函数：

算法的核心在于最小化投影矩阵迹。具体公式为：Trace((I - PA) * R_hat)，其中PA是基于待寻优角度Theta构造的流型矩阵A的投影矩阵。PA的计算通过流型矩阵与其伪逆的乘积实现，反映了信号子空间的投影特性。

1. 多维优化策略：

由于最大似然函数通常是非线性的且存在局部极值，本系统采用了fminsearch优化器。该优化器不需要函数的导数信息，通过单纯形搜索在多维空间中寻找最优解。脚本中设置了收敛阈值和最大迭代次数以平衡计算精度与效率。

1. 鲁棒性设计：

在生成信号时使用了复高斯模型确保信号的随机性，并在计算投影矩阵时考虑了数值稳定性。在蒙特卡罗分析中，通过对估计角度进行排序后计算误差，有效解决了多信号源角度匹配的问题。

1. 似然空间观察：

通过对似然函数取负对数并转换为分贝（dB）刻度，系统能够更清晰地展示目标函数在真值点附近的尖锐峰值，这有助于验证多维搜索算法的收敛潜力。