基于ESPRIT算法的DOA估计与智能天线仿真

资 源 简 介

本项目专注于利用MATLAB实现基于旋转不变子空间技术（ESPRIT）的波达方向（DOA）估计，并结合智能天线技术进行系统仿真。主要功能模块包括：1. 信号模型构建：模拟均匀线性阵列（ULA）接收来自远场的窄带信号，支持用户设定阵元数目、阵元间距、信源频率、信源数量以及具体的入射角度，并可添加高斯白噪声以模拟真实环境。2. ESPRIT算法实现：包含标准ESPRIT（LS-ESPRIT）和总体最小二乘ESPRIT（TLS-ESPRIT）两种核心算法的编写。算法通过对接收数据的协方差矩阵进行特征分解，将其分解为信号子空间和噪声子空间，利用子阵之间的旋转不变性，通过求解广义特征值直接计算出信号的DOA，避免了MUSIC算法中的繁琐谱峰搜索过程，显著提高了计算速度。3. 智能天线仿真：基于DOA估计结果，演示智能天线系统的波束形成能力，展示如何根据估计出的角度调整加权系数以指向期望信号并抑制干扰。4. 性能评估：提供完整的测试脚本，对比不同信噪比（SNR）、不同快拍数条件下算法的估计精度（均方根误差RMSE）和分辨率，验证算法的鲁棒性。

详 情 说 明

基于 ESPRIT 算法的 DOA 估计与智能天线仿真

项目介绍

本项目是一个基于 MATLAB 的阵列信号处理仿真系统，专注于利用旋转不变子空间技术（ESPRIT）进行波达方向（DOA）估计。项目实现了两种核心算法：标准最小二乘 ESPRIT（LS-ESPRIT）和总体最小二乘 ESPRIT（TLS-ESPRIT），并结合估计结果进行了智能天线波束形成的演示。此外，系统还包含蒙特卡洛仿真模块，用于评估算法在不同信噪比（SNR）下的性能表现。

功能特性

• 高保真信号模型：不仅模拟了均匀线性阵列（ULA）对远场窄带信号的接收，还支持自定义阵元数量、信源数量、入射角度及快拍数，并引入高斯白噪声（AWGN）模拟真实信道环境。
• 双算法实现：

* LS-ESPRIT：基于最小二乘准则求解旋转不变因子。 * TLS-ESPRIT：基于总体最小二乘准则，通过奇异值分解（SVD）进一步降低噪声对子空间旋转特性的影响。

• 智能天线波束仿真：利用计算出的 DOA 角度自动生成加权系数，绘制波束方向图，直观展示天线阵列指向目标信号的能力。
• 多维度可视化：

* 协方差矩阵特征值分布图（用于验证信号子空间维度）。 * 单次快拍下的 DOA 估计结果对比图（星座图/散点图形式）。 * 智能天线空间谱/波束方向图。 * RMSE（均方根误差）随 SNR 变化的性能曲线。

• 鲁棒性评估：内置蒙特卡洛仿真循环，自动解决特征分解带来的角度顺序模糊问题，准确计算 RMSE。

系统要求

• MATLAB R2016a 或更高版本
• 无需额外工具箱（核心算法仅依赖基础线性代数运算：eig, svd, pinv 等）

使用方法

直接运行主脚本 main.m 即可。脚本会自动执行以下流程：

1. 初始化系统参数。
2. 执行单次仿真演示，输出 LS 和 TLS 算法的估计角度及耗时。
3. 弹出图形窗口展示特征值分布、估计结果散点图和波束方向图。
4. 进入蒙特卡洛循环（可能需要几秒钟），计算不同 SNR 下的 RMSE。
5. 弹出第二个图形窗口展示性能评估曲线。

用户可以在代码顶部的“系统参数设置”区域修改以下参数：

• 阵元数量 (N)
• 阵元间距与波长比 (d_lambda)
• 快拍数 (K)
• 真实入射角度 (theta_true)
• 信噪比范围与实验次数

代码逻辑与实现细节

主程序 main.m 的逻辑流程严谨且模块化，具体实现如下：

1. 系统参数初始化

程序首先定义了仿真所需的物理参数，包括 8 阵元的 ULA、半波长间距、200 次快拍以及两个位于 -15° 和 30° 的信源。同时设定了蒙特卡洛仿真的 SNR 遍历范围（-10dB 至 20dB）。

2. 单次仿真与演示

• 信号生成：调用信号生成函数，根据设定的几何结构产生接收数据矩阵 $X$。
• 算法执行：分别调用 LS-ESPRIT 和 TLS-ESPRIT 函数处理同一组数据 $X$，并记录运行时间。
• 结果对比：对估计出的角度进行排序，方便直接在控制台与真实角度进行对比打印。

3. 可视化模块

程序生成一个包含三个子图的综合窗口：

• 特征值分布：对数据矩阵进行奇异值分解，绘制幅度分布，直观展示“信号子空间”与“噪声子空间”的能量差异。
• 单次估计对比：利用 stem 图绘制真实角度与两种算法估计值的相对位置，模拟星座图效果。
• 波束方向图：选取 TLS-ESPRIT 估计出的第一个角度作为目标方向，计算常规波束形成加权矢量（Steering Vector），并在 -90° 至 90° 范围内扫描阵列响应，绘制归一化增益图，验证波束是否准确指向目标。

4. 性能评估（蒙特卡洛仿真）

程序进入双重循环：

• 外层循环遍历 SNR 范围。
• 内层循环进行 100 次由于噪声随机性导致的独立实验。
• 误差计算：由于特征分解得到的角度顺序是随机的，程序调用专门的误差匹配函数，遍历所有排列组合，寻找与真实角度偏差最小的对应关系，从而计算均方误差。
• 最后绘制 RMSE vs SNR 的半对数曲线，对比 LS 和 TLS 算法在不同噪声水平下的精度差异。

关键算法函数说明

generate_signal

构建阵列接收模型 $X = A S + N$。

• A (导向矩阵)：利用 $e^{-j 2pi d sin(theta)}$ 构建。
• S (信号)：生成复高斯随机信号。
• N (噪声)：根据用户输入的 SNR 计算噪声功率，生成加性高斯白噪声。

esprit_ls (LS-ESPRIT)

标准最小二乘 ESPRIT 算法实现：

1. 计算协方差矩阵并进行特征分解。
2. 提取对应最大 $M$ 个特征值的特征向量构成信号子空间 $U_s$。
3. 利用旋转不变性构造子阵 $U_1$ (前 $N-1$ 行) 和 $U_2$ (后 $N-1$ 行)。
4. 使用左除运算符求解 $U_1 Psi = U_2$ 中的旋转矩阵 $Psi$ (相当于 $(U_1^H U_1)^{-1} U_1^H U_2$)。
5. 对 $Psi$ 进行特征分解，利用其特征值的相位信息反解 DOA。

esprit_tls (TLS-ESPRIT)

总体最小二乘 ESPRIT 算法实现：

1. 同样提取信号子空间并构造子阵 $U_1, U_2$。
2. 构造复合矩阵 $C_{xy} = [U_1, U_2]$ 并对其进行 SVD 分解。
3. 利用 $C_{xy}$ 的右奇异矩阵 $V$ 的右下角块（对应较小奇异值的部分）来求解旋转矩阵 $Psi = -V_{12} V_{22}^{-1}$。这种方法考虑了 $U_1$ 和 $U_2$ 两侧的误差，通常在高信噪比下表现更稳健。

calc_min_error

解决多信源估计中的“次序模糊”问题。该函数生成估计结果的所有全排列，分别计算与真实角度向量的欧氏距离，取最小值作为本次实验的误差依据，确保 RMSE 计算的准确性。