B题参考文献

2744557306

多个信号源（发射台、雷达、通信设备等）从不同方向发射信号，一个由多个天线阵元组成的阵列接收到这些信号的叠加。如何从接收数据中同时估计出信号个数、来波方向（DOA）、信号强度和噪声强度？传统方法（如波束形成、最大似然估计）要么分辨率不够，要么计算量太大，且难以处理多个信号源同时存在的情况。

核心思想：子空间分解

MUSIC 的精髓是把接收信号的协方差矩阵分解成两个正交的子空间：

信号子空间。 协方差矩阵的大特征值对应的特征向量张成的空间。这些方向上"住着"信号——因为信号有规律，能量集中在这几个方向上。

噪声子空间。 小特征值对应的特征向量张成的空间。这些方向上只有噪声，没有信号。

关键数学性质：信号子空间和噪声子空间正交。因为信号方向向量（导向矢量）一定在信号子空间内，所以它和噪声子空间中的任何向量都垂直（内积为零）。

用一个直觉比喻：想象一个房间里有多个人同时说话（信号源），麦克风阵列收到混合声音。MUSIC 做的事是先把声音的"成分"拆开——有人声方向的成分（信号子空间）和纯背景噪声方向的成分（噪声子空间）。因为人声方向和纯噪声方向互相垂直（正交），所以拿噪声方向去"检测"每个可能的角度，当检测方向恰好对准某个人时，内积为零，出现一个尖谷——反过来就是谱峰。

MUSIC 算法的四个输出

论文明确给出 MUSIC 能估计的四个参数  ：

• 入射波前数（信号个数）：通过协方差矩阵的特征值大小来判断——大特征值的个数就是信号数
• 来波方向（DOA / 发射源位置）：扫描所有可能方向，找 MUSIC 伪谱的峰值
• 信号强度和互相关：从信号子空间重构信号协方差矩阵
• 噪声/干扰强度：从小特征值的平均值估计
  

MUSIC 伪谱

具体做法是构造一个"伪谱"函数：

P_MUSIC(θ) = 1 / (aᴴ(θ) · E_n · E_nᴴ · a(θ))

其中 a(θ) 是方向 θ 的导向矢量，E_n 是噪声子空间的特征向量矩阵。当 θ 恰好等于某个真实来波方向时，a(θ) 与噪声子空间正交，分母趋近于零，P 出现尖峰。扫描 θ 从 0° 到 360°，谱峰的位置就是信号方向。

为什么是高分辨率

传统波束形成受 Rayleigh 准则限制——两个信号方向靠得比阵列孔径决定的分辨率还近时，无法区分。MUSIC 打破了这个限制，因为它利用的是子空间正交性而非波束宽度，理论上可以分辨任意靠近的两个信号（只要快拍数足够多、信噪比足够高）。这被称为超分辨率。

论文的历史地位

MUSIC 是阵列信号处理领域的里程碑。它把特征结构分析方法引入了 DOA 估计，后续衍生出了大量变体（Root-MUSIC、ESPRIT、2D-MUSIC 等），至今仍是雷达、声呐、无线通信、地震监测等领域的核心算法

) X$ W% K  E/ r! |1 r

宏心

5 {9 M# Z. c# J; E, ^