基于MUSIC算法的窄带信号DOA估计仿真系统

资 源 简 介

本项目在MATLAB环境中完整实现经典的MUSIC (Multiple Signal Classification，多重信号分类) 算法，专注于解决均匀线性阵列 (ULA) 下的波达方向 (DOA) 估计问题。功能主要包括三个模块：信号生成模块、算法处理模块和结果分析模块。首先，系统模拟产生多个非相干窄带信号源，入射到由等间距阵元组成的线性阵列上，并叠加复杂的加性高斯白噪声。其次，核心算法部分执行数据协方差矩阵的估计与特征分解，不仅仅计算特征值，更关键的是分离信号子空间与噪声子空间。利用信号方向向量与噪声子空间的正交性原理，构建空间伪谱函数。最后，通过在预设的角度范围内进行网格扫描和峰值搜索，精确识别出信号的入射角度。此外，项目还包含性能评估功能，能够通过改变信噪比 (SNR)、快拍数 (Snapshot) 或阵元间距，对比分析算法的分辨率能力和估计均方误差 (RMSE)，并绘制出清晰的空间谱图以直观展示多信号的角分辨效果。

详 情 说 明

基于经典MUSIC算法的窄带信号DOA估计仿真系统

项目介绍

本项目是一个基于MATLAB环境开发的阵列信号处理仿真系统。它完整实现了经典的 MUSIC (Multiple Signal Classification，多重信号分类) 算法，用于解决均匀线性阵列 (ULA) 下的窄带信号波达方向 (DOA) 估计问题。

系统通过模拟真实的信号接收环境，执行核心的子空间估计算法，并提供直观的可视化结果和基于蒙特卡洛方法的性能评估，旨在展示MUSIC算法在高分辨率测向方面的优势及在不同信噪比环境下的鲁棒性。

功能特性

• 高保真信号模拟：基于均匀线性阵列 (ULA) 模型，能够生成包含复杂高斯白噪声的多信源窄带接收信号。
• 经典MUSIC算法实现：采用特征分解法 (EVD) 分离信号子空间与噪声子空间，利用正交性原理构建空间伪谱。
• 高精度谱峰搜索：在预设角度范围内进行精细化网格扫描，自动识别并提取信号入射角度。
• 性能评估体系：集成蒙特卡洛仿真模块，量化分析不同信噪比 (SNR) 对算法估计精度 (RMSE) 的影响。
• 可视化展示：双子图显示，包括单次实验的归一化空间谱图和均方根误差 (RMSE) 随信噪比变化的性能曲线。

系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox (项目中使用了 findpeaks 函数)

使用方法

直接运行主脚本即可启动仿真。程序将自动按顺序执行以下流程：

1. 初始化系统参数（阵列结构、信号特征）。
2. 执行单次固定信噪比下的DOA估计，并绘制空间谱。
3. 执行多组信噪比下的蒙特卡洛仿真，并绘制RMSE性能曲线。
4. 在控制台输出参数配置、估计结果及仿真进度。

详细实现逻辑

本项目代码主要分为三个逻辑部分：参数初始化、单次估计算法流程、性能评估流程。

1. 系统参数配置

程序预设了物理层参数，模拟了一个工作在 1GHz 的均匀线性阵列：

• 阵列结构：10个阵元组成的ULA，阵元间距为半波长。
• 信号环境：3个非相干窄带信号源，入射角度分别为 -30°、0° 和 45°。
• 采样设置：快拍数设置为 200，单次实验信噪比固定为 10dB。

2. 单次MUSIC估计与空间谱绘制

该模块展示了算法对特定场景的解析能力：

• 信号生成：根据设定的角度和信噪比，生成含有噪声的阵列接收数据矩阵。
• 算法执行：对接收数据进行处理，计算协方差矩阵并分解，利用噪声子空间构造空间谱函数。扫描范围覆盖 -90° 至 90°，步长为 0.1°。
• 峰值提取：对生成的空间谱进行对数化处理 (dB)，利用峰值搜索函数提取前 K 个最高峰对应的角度作为估计值。
• 可视化：绘制归一化空间谱，图中包含理论上的真实角度参考线（虚线）和算法计算出的估计点（圆圈），直观展示角分辨能力。

3. 性能评估 (RMSE vs SNR)

该模块通过统计学方法评估算法稳定性：

• 变量设置：信噪比从 -10dB 变化至 20dB，步长为 2dB。
• 蒙特卡洛实验：对每一个信噪比点，重复执行 100 次独立实验。

* 在每次实验中，重新生成独立的随机噪声和信号。 * 为了提高仿真效率，此处使用了较粗的扫描步长 (0.5°) 进行快速估计。 * 将估计角度与真实角度进行排序匹配，计算误差平方和。

• 误差计算：计算每个信噪比下的均方根误差 (RMSE)。
• 曲线绘制：生成 RMSE 随 SNR 变化的趋势图，展示算法在低信噪比到高信噪比环境下的性能改善过程。

关键算法与函数解析

接收信号生成模块

该功能模块负责构建阵列接收数据的数学模型。

• 导向矢量构建：根据入射角度、信号波长和阵元间距，计算每个信源对应的相位延迟，生成导向矢量矩阵。
• 信号与噪声合成：模拟复高斯分布的随机信号源和加性高斯白噪声。
• 功率控制：根据输入的信噪比 (SNR) 参数，计算所需的噪声功率水平，并对噪声矩阵进行缩放，将其叠加到纯信号上，输出最终的接收数据矩阵 X。

MUSIC算法核心处理模块

这是本项目的核心计算单元，输入接收数据，输出空间谱。

• 协方差矩阵估计：利用接收数据矩阵计算采样协方差矩阵。
• 特征分解 (EVD)：对协方差矩阵进行特征值分解，并根据特征值大小进行排序。
• 子空间分离：根据小特征值对应噪声子空间的原理，提取出 $M-K$ 个特征向量组成噪声子空间矩阵 $U_n$。
• 伪谱计算：遍历扫描角度，利用导向矢量与噪声子空间的正交性 ($a^H U_n U_n^H a$) 计算空间谱函数。由于正交时分母趋近于零，取倒数后在信号方向形成尖峰。
• 归一化：将计算出的谱值进行最大值归一化，便于后续处理和显示。

--- *注意：本说明文档基于代码实际逻辑编写，准确反映了仿真系统中采用的算法原理与处理流程。*