当前位置：首页 > news >正文

互质阵 vs 嵌套阵：DOA估计性能大比拼（含仿真对比）

news 2026/5/31 0:29:09

互质阵与嵌套阵的DOA估计性能深度解析：从理论到仿真实战

在阵列信号处理领域，选择合适的阵列结构对DOA（波达方向）估计性能至关重要。当系统资源受限时——比如固定阵元数量下——设计者往往需要在互质阵（Coprime Array）和嵌套阵（Nested Array）之间做出权衡。这两种稀疏阵列结构各有特点，直接影响着系统的自由度、估计精度、计算复杂度以及对互耦效应的鲁棒性。本文将深入剖析这两种阵列的物理特性与信号处理机制，并通过MATLAB仿真对比它们在不同场景下的实际表现。

1. 阵列基础结构与物理特性对比

1.1 互质阵的拓扑结构与数学特性

互质阵由两个子阵构成：一个M元子阵（间距Nd）和一个N元子阵（间距Md），其中M和N为互质整数，d=λ/2。两子阵共线放置，仅在0位置共享一个阵元。这种结构产生了独特的差合阵列（Difference Co-Array）特性：

自由度优势：差合阵列提供的自由度DOF可超过物理阵元数MN
连续孔径扩展：通过合理选择M和N，可以扩展连续虚拟阵元的范围
孔洞现象：差合阵列中存在非连续区域（holes），这是与嵌套阵的关键区别

% 标准互质阵位置生成示例 M = 4; N = 3; subarray1 = 0:N:(M-1)*N; % M元子阵 subarray2 = 0:M:(N-1)*M; % N元子阵 coprime_pos = unique([subarray1, subarray2]); % 物理阵元位置

1.2 嵌套阵的层次化设计理念

嵌套阵采用两级结构设计：

内层子阵：密集排列的阵元（通常间距d=λ/2）
外层子阵：稀疏排列的阵元（间距通常为(N1+1)d，N1为内层阵元数）

这种结构产生的差合阵列是完全连续的均匀线阵（filled ULA），这是与互质阵的本质区别。嵌套阵的核心特性包括：

自由度最大化：相同物理阵元下，通常比互质阵提供更多DOF
均匀虚拟阵列：差合阵列无孔洞，简化后续信号处理
互耦敏感：密集排列的内层子阵对互耦效应更敏感

% 二级嵌套阵位置生成示例 N1 = 3; N2 = 3; % 内外层阵元数 inner = 0:1:(N1-1); % 内层子阵 outer = N1*(1:1:N2); % 外层子阵 nested_pos = unique([inner, outer]); % 物理阵元位置

1.3 关键参数对比表

特性	互质阵	嵌套阵
差合阵列连续性	存在孔洞	完全连续
自由度(DOF)	~O(MN)	~O(N²/2) (N=N1+N2)
互耦鲁棒性	较强（稀疏排布）	较弱（密集内层）
虚拟阵列孔径	较大但非连续	略小但连续
计算复杂度	中等	中等偏高

2. 差合阵列理论与自由度分析

2.1 互质阵的差合阵列特性

互质阵的差合阵列位置集合可表示为： $$ \mathbb{D}_{CA} = { \pm(Mn - Nm) | 0 \leq m \leq M-1, 0 \leq n \leq N-1 } $$

关键发现：

唯一性保证：由于M和N互质，差合阵列位置无重复
孔洞分布规律：孔洞位置与M、N的选取直接相关
连续段定位：最大连续段位于中心区域，长度与min(M,N)相关

提示：选择M=N+1的互质对（如4和3）通常能获得较好的连续孔径

2.2 嵌套阵的差合阵列构建

嵌套阵的差合阵列位置集合为： $$ \mathbb{D}{NA} = { \pm(n_i - n_j) | n_i,n_j \in \mathbb{S}{NA} } $$ 其中$\mathbb{S}_{NA}$为物理阵元位置集合。

与互质阵相比：

完全连续性：差合阵列形成从-(N(N+1)/2-1)到N(N+1)/2-1的连续整数
自由度计算：对于总阵元N=N1+N2，DOF≈N(N+1)/2-1
冗余分析：某些虚拟阵元位置存在冗余，影响估计效率

2.3 自由度优化策略

在实际设计中，可通过以下策略优化自由度：

互质阵扩展技术：
- 选择扩展因子L（通常L=2）
- 对小基数子阵进行倍增
- 可增加连续虚拟阵元数量
嵌套阵层级优化：
- 平衡内外层阵元数量比
- 典型选择N1≈N2
- 避免过度密集导致互耦恶化
混合结构设计：
- 结合两种阵列优势
- 例如外推部分互质结构
- 需要权衡实现复杂度

% 差合阵列生成函数示例 function diff_array = get_diff_array(physical_array) diff_array = []; N = length(physical_array); for i = 1:N for j = 1:N diff_array = [diff_array, physical_array(i)-physical_array(j)]; end end diff_array = unique(diff_array); % 去重 end

3. DOA估计算法实现与比较

3.1 互质阵的MUSIC算法实现

互质阵的特殊结构使其可以直接应用MUSIC算法而不会产生模糊问题：

协方差矩阵构建： $$ \mathbf{R}_x = E[\mathbf{x}(t)\mathbf{x}^H(t)] $$
特征分解： $$ \mathbf{R}_x = \mathbf{U}_s \mathbf{\Lambda}_s \mathbf{U}_s^H + \mathbf{U}_n \mathbf{\Lambda}_n \mathbf{U}_n^H $$
空间谱估计： $$ P(\theta) = \frac{1}{\mathbf{a}^H(\theta)\mathbf{U}_n\mathbf{U}_n^H\mathbf{a}(\theta)} $$

注意：互质阵的物理导向矢量$\mathbf{a}(\theta)$需要精确建模子阵间相位关系

3.2 嵌套阵的SS-MUSIC方法

嵌套阵通常采用空间平滑MUSIC（SS-MUSIC）来克服相干信号问题：

虚拟阵列重构：
- 利用差合阵列构建虚拟ULA
- 填充缺失的协方差项
前向平滑处理： $$ \mathbf{R}f = \frac{1}{L}\sum{l=1}^L \mathbf{J}_l \mathbf{R}_v \mathbf{J}_l^H $$ 其中$\mathbf{J}_l$为选择矩阵
空间谱计算：
- 与传统MUSIC类似
- 但基于平滑后的协方差矩阵

3.3 计算复杂度对比

算法步骤	互质阵-MUSIC	嵌套阵-SS-MUSIC
协方差估计	O(KM²N²)	O(KM²N²)
特征分解	O((MN)³)	O((N²)³)
空间谱计算	O(MN·P)	O(N²·P)
虚拟阵列处理	无	O(N⁴)

K为快拍数，P为角度搜索点数

4. 仿真实验与性能对比

4.1 仿真参数设置

我们使用MATLAB R2022b进行以下对比实验：

阵元配置：
- 互质阵：M=4，N=3（共6物理阵元）
- 嵌套阵：N1=3，N2=3（共6物理阵元）
信号场景：
- 2个窄带信号源
- 角度间隔10°
- SNR范围[-10,20]dB
- 快拍数100-1000
性能指标：
- 均方根误差(RMSE)
- 分辨率概率
- 成功检测率

4.2 SNR变化下的性能对比

% SNR变化实验代码框架 SNR_range = -10:5:20; % dB rmse_ca = zeros(size(SNR_range)); rmse_na = zeros(size(SNR_range)); for i = 1:length(SNR_range) % 互质阵处理流程 [~, rmse_ca(i)] = coprime_music_estimation(SNR_range(i)); % 嵌套阵处理流程 [~, rmse_na(i)] = nested_ssmusic_estimation(SNR_range(i)); end figure; plot(SNR_range, rmse_ca, 'b-o', SNR_range, rmse_na, 'r-s'); xlabel('SNR (dB)'); ylabel('RMSE (degree)'); legend('Coprime Array', 'Nested Array'); grid on;

仿真结果显示：