做阵列信号处理的人迟早会和“稀疏线阵”这个词打交道。尤其是当你把算法写完、仿真跑通一上实测数据却出现多角度峰值、鬼影式模糊时往往会发现问题的根源不在DOA估计算法而在阵列本身——阵元间距突破了半波长约束。但真实工程里你又经常不得不把阵元间距拉大要么是物理空间不够要么是通道成本太贵要么是需要在有限阵元数下做出更大的孔径。这时候稀疏线阵就从一个“绕开约束的技巧”变成了真正工程上必须吃透的核心议题。这篇文章我会把几个最常见的稀疏线阵结构——最小冗余阵列、嵌套阵列、互质阵列——逐个拆开聊不光讲它们的位置怎么摆更要把背后的阵列模型表述讲清楚包括导向矢量、差集坐标、虚拟孔径、自由度这些概念到底是怎么串起来的。最后给一些实测经验和工程建议。适合正在做雷达测向、声呐阵列、通信定位、麦克风阵列的工程师和研究生参考哪怕你现在只是刚接触阵列信号处理跟着把模型走一遍也能对“稀疏”两个字建立起直觉。1. 均匀线阵的“半波长魔咒”稀疏化到底在解决什么问题1.1 空间采样与半波长约束先把最基础的逻辑理顺。一个常规均匀线阵ULA里阵元等间距排列间距通常取信号波长的一半即d λ/2。这个“半波长”不是随便定的它对应的是空间采样里的奈奎斯特条件。和时间采样一样空间采样如果太稀疏高频成分就会混叠进低频谱里对应到阵列方向图上就是会出现栅瓣grating lobe。具体来说相邻阵元之间的波程差d·sinθ对应相位差2πd·sinθ/λ。当d λ/2时在某一组角度组合下两个不同方向的入射信号会给出相同的相位差阵列就无法区分这两个方向谱搜索时就会在好几个角度位置同时出现峰值。这个现象不是算法能修好的它是阵列物理结构带来的固有模糊。可以类比一下相机采样如果你用很稀疏的像素网格去采样一幅图像高频细节会变成错误的低频条纹这就是莫尔纹。阵列里的栅瓣就是空域里的莫尔纹。1.2 阵列模型里的“孔径-阵元数”矛盾如果你问一个刚入行的同学想要提高角度分辨率怎么办他会说“加大孔径”。孔径L变大了波束主瓣宽度约等于λ/L确实更窄分辨两个相近目标的能力更强。可问题在于如果阵元间距还固定死在半波长孔径变大必然意味着阵元数变多。阵元数变多又带来两个现实压力一是射频通道成本每一个阵元后面都跟着接收机、ADC、校准链路通道数是成本的大头二是安装空间很多平台根本没有那么长的连续直线空间让你铺几百个阵元。于是工程上很自然地想到一个思路——既然等间距排不了那么多阵元能不能少摆几个阵元但把间距拉大硬把物理孔径撑出来直接拉大间距就是上面说的产生栅瓣。那如果间距不相等呢这就是稀疏线阵的起点通过非均匀的阵元排布让不同阵元相对位置的“差集”尽量不重复从而在没有栅瓣的前提下获得大孔径。这个思路最早在射电天文学里大量使用后来被引入到雷达和通信的DOA估计领域。1.3 稀疏化背后的本质差集而不是间距要理解稀疏线阵脑子里必须把关注点从“阵元间距”切换到“阵元位置差集”。阵列方向图或协方差矩阵里起作用的往往是阵元对之间的相对位置差。如果两个阵列有相同的差集集合它们在某些意义下是等价的——哪怕具体阵元位置完全不同。这一点是稀疏阵设计的核心思想我们不要求所有阵元物理上均匀覆盖孔径而只要求阵元之间的差分位置能覆盖我们关心的那一段虚拟孔径。均匀线阵其实是一种最“浪费”的排布方式因为它的差分位置高度冗余N个阵元产生的差集数量虽然多但去重之后只有2N-1个不同位置。稀疏线阵则努力让差集的“覆盖效率”更高用更少的物理阵元覆盖更大的连续差分区间这就是后面所有阵列结构设计的出发点。2. 稀疏线阵的数学模型从阵元位置到差集坐标2.1 接收信号模型与导向矢量无论阵列排布多复杂窄带远场假设下接收信号的数学模型都是一套统一的框架。设有N个阵元位置集合为P {p₁, p₂, ..., p₁ₙ}这里的位置坐标以λ/2为归一化单位也就是半波长间距记为1。若某个信号从θ方向入射第n个阵元相对参考点的相位差是a(θ) [e^{jπ·p₁·sinθ}, e^{jπ·p₂·sinθ}, ..., e^{jπ·p₁ₙ·sinθ}]ᵀ这个向量就是导向矢量。对于均匀线阵p₁, p₂, ...刚好是0, 1, 2, ..., N-1于是a(θ)是一个标准Vandermonde向量。对于稀疏线阵唯一的变化就是P不再是连续整数序列可能含有大间隔、非均匀间隔甚至有重复的原点。多个远场不相关信号叠加后接收数据为x(t) A(θ)s(t) n(t)其中A(θ) [a(θ₁), a(θ₂), ..., a(θ_K)]称为阵列流形矩阵s(t)是信号复包络向量n(t)是噪声。单从这个式子看稀疏阵和均匀阵只差在A的构造方式——采样位置不同导向矢量的相位分布不同。真正拉开差距的是接下来对协方差矩阵的处理。2.2 差集坐标与虚拟阵列接收数据的协方差矩阵定义为R E[x(t)xᴴ(t)]。假设信号与噪声独立可以得到R A R_s Aᴴ σ²I其中R_s是信号协方差矩阵σ²是噪声功率。这时往下走一步把R做向量化操作。学过Khatri-Rao积的话可以很干净地写成vec(R) (A* ⊙ A) r_s σ²·vec(I)这里的r_s是信号功率向量A* ⊙ A是一个新的“等效导向矩阵”它的第k列对应虚拟位置集合{p_i - p_j}上的导向矢量。也就是说向量化协方差矩阵之后我们凭空多出来一个阵列阵元位置恰好是原阵元位置的差集D(P) {p_i - p_j | 1 ≤ i, j ≤ N}这个集合里的每个坐标对应一个虚拟阵元。真实阵元只有N个但差分位置最多可以有N²个包含重复去重之后依然可能远大于N。均匀线阵为什么“不划算”因为它的差集D(P)就是{-N1, ..., -1, 0, 1, ..., N-1}一共只有2N-1个位置冗余极其严重。而一个设计良好的稀疏阵差集可以覆盖远大于2N-1的连续整数区间这正是稀疏阵在自由度上“以小博大”的根本原因。2.3 自由度的定义和意义在DOA估计里“自由度”通常指阵列能够分辨的信号源个数上限。对于均匀线阵N个物理阵元对应2N-1个虚拟阵元但需要注意的是虚拟阵列是均匀且连续的其可辨识信源数可以达到2N-2。这里我们就接触到稀疏阵的核心价值了同样阵元数下稀疏阵的连续虚拟阵元数往往远大于均匀线阵能够估计的信号源数量也因此大幅提升。比如四阵元的均匀线阵自由度是7最多分辨6个信源实际上N元ULA可辨识信源数为N-1因为MUSIC要求信号子空间维数不超过阵列自由度。如果利用差集虚拟阵列处理后自由度可达2N-2。一个四元嵌套阵列则可以做到2N₁N₂ N₂量级的自由度N₁N₂2时是11个连续虚拟阵元能分辨的信源数几乎翻倍。这个倍数在实际工程里就是实打实的系统能力差距。3. 三大经典稀疏结构拆解设计思路与数学表达3.1 最小冗余阵列MRA差集覆盖效率的极致最小冗余阵列是早期最经典的稀疏结构它的设计目标直白且苛刻在给定阵元数N的情况下让差集去重后能够覆盖从0到最大孔径的每一个整数位置并且差分位置的冗余次数最小。换句话说同样覆盖一段连续孔径MRA用到的物理阵元数是最少的。一个经典的N4的MRA位置是{0, 1, 4, 6}。你可以算一下差集绝对值1, 4, 6, 3, 5, 2, 6去重后是{1, 2, 3, 4, 5, 6}完整覆盖了1到6的所有整数。这意味着四阵元就构造出了一个等效孔径为6(λ/2)的连续虚拟均匀线阵。如果用均匀线阵要做到孔径6需要7个阵元。MRA用4个阵元干成了均匀线阵7个阵元的活效率提升肉眼可见。MRA的问题也很现实它的阵元位置没有闭式解析解需要靠搜索算法穷举或优化寻找。阵元数小的时候还好N超过10以后搜索空间爆炸找最优解非常耗时。工程上通常用次优搜索或查表结果所以MRA更适合中小阵元数的场景或者对孔径覆盖有硬性要求的场景。3.2 嵌套阵列Nested Array两级子阵拼接出全连续虚拟孔径嵌套阵列是近年工程落地最广泛的稀疏结构之一因为它不仅简便直观而且有一个非常漂亮的闭式自由度公式。构造方式分两级第一级是密集均匀子阵阵元数量N₁间距为1即λ/2第二级是稀疏均匀子阵阵元数量N₂间距为N₁1。将第二级子阵的起始位置放在和第一级子阵原点重合的位置这样两级子阵共享一个阵元。总物理阵元数N N₁ N₂ - 1这个结构的巧妙之处在于两级子阵的间距参数设计使得它们的差集无缝衔接拼接出一个完整的连续虚拟阵列。连续虚拟孔径长度可以达到DOF 2N₂(N₁1) - 1以N₁3、N₂3为例总共5个物理阵元连续虚拟阵元数达到2×3×4-123个。用5个阵元拿到等效23元均匀线阵的虚拟孔径这个杠杆效应在具体系统设计里非常有吸引力。代价是什么第一级密集阵元之间的间距只有半波长阵元间互耦会比较明显高频段或者天线单元尺寸较大的时候这个耦合效应不能忽略。3.3 互质阵列Coprime Array两个松弛子阵的大孔径方案互质阵列是另一个主流结构思路和嵌套不同它不追求差集完全连续而是用两个间距相对较大的均匀子阵在差集域互相“补盲”。具体构造为取两个互质数M和N第一个子阵阵元间距为N半波长归一化位置集合为{0, N, 2N, ..., (M-1)N}第二个子阵间距为M位置集合为{0, M, 2M, ..., (N-1)M}。两个子阵共用一个原点总阵元数MN-1。互质阵列的差集有一个特点整体差集中存在空洞holes但中间一段连续区间是完整无空洞的长度大致与MN成正比。工程上通常截取这段连续虚拟阵列做空间平滑和超分辨测向就能获得远大于物理阵元数的有效自由度。举个典型配置M4、N5物理阵元8个等效连续虚拟阵元大约在O(20)量级物理孔径更是达到MN量级的半波长单位这是均匀线阵很难做到的。互质阵的优势是物理孔径大、阵元间互耦较小适合需要大孔径但通道数受限的场景。劣势就是空洞处理比较麻烦差集非连续段的信息利用起来要额外设计算法而且连续段长度比理论差分集总长度少一截自由度上实际略打折扣。3.4 三种结构直观对比结构类型物理阵元数示例连续虚拟阵元数差集是否连续设计方式最大短板均匀线阵815连续等间距孔径-阵元数严格绑定最小冗余阵列47孔径6连续搜索优化大N搜索困难嵌套阵列5N₁3, N₂323连续闭式构造阵元间互耦偏大互质阵列8M4, N5约20不连续闭式构造空洞需特殊处理补充提一句近年来出现的超级嵌套阵列Super Nested Array以及多重互质结构本质上都是在嵌套和互质的基础上做“差分集扩展”解决耦合、空洞或者自由度进一步增大等问题。工程上先用经典三种结构打底再按需升级是一个稳妥的技术路线。4. 差集数组与虚拟孔径的数学原理稀疏阵的小博大是怎么实现的4.1 为什么协方差向量化能带来额外自由度肯定有人会疑惑物理阵元只有N个为什么协方差矩阵的向量化能“无中生有”出更多阵元这需要回到数学结构去看。R是N×N矩阵向量化后是一个N²×1的向量。这个N²维向量包含的信息来自所有阵元对的互相关。每一对(p_i, p_j)都是一组“干涉仪”它们测量的是同一段空间频率在一个差分距离上的采样。传统MUSIC算法只用R的特征分解本质上只是把N个物理阵元的子空间信息榨干。而把R整体向量化相当于把N²个阵元对全部当作独立的测量通道只是其中存在大量重复的差分位置需要去冗余。所以“额外自由度”不是凭空来的而是这些阵元对本身携带了冗余的、间接的观测信息。稀疏阵设计的本质就是重新分配位置集合P使得差分集合D(P)中不同坐标的数量最大化让这N²个阵元对的测量尽量“不重复、不浪费”。均匀线阵把大量阵元对浪费在了同一个差分位置上稀疏阵则把同一笔物理资源用出了更多花样。4.2 空间平滑与虚拟阵列的DOA估计流程获得了虚拟阵列后怎么把它用起来是实操关键。如果差集是连续的那问题就简单了把向量化后的数据重排成一个长虚拟均匀线阵的单快拍数据然后用空间平滑技术恢复协方差矩阵的秩最后套MUSIC或者ESPRIT。流程大致是这样的计算原始协方差矩阵R̂ (1/T)∑x(t)xᴴ(t)。对R̂向量化得到vec(R̂)剔除重复的差分位置数据并做平均。把处理后的数据按虚拟阵元位置重排成虚拟均匀线阵的单快拍数组。对连续虚拟阵列划分子阵做空间平滑得到满秩虚拟协方差。对平滑后的协方差做MUSIC谱搜索得到DOA估计。这里有个关键细节空间平滑的本质是把虚拟阵列的子阵数据做平均从而把单快拍恢复成统计意义上的多快拍。如果虚拟阵列不连续平滑会破坏孔径结构所以“差集连续”在经典处理流程里近乎是刚需。这也是嵌套阵列比互质阵列更容易工程化的原因——它在模型表述上更“干净”。4.3 空洞问题的本质与处理思路互质阵列差集里含有空洞什么是空洞就是差分坐标中某些整数位置不存在对应的阵元对。均匀线阵的差集没有空洞嵌套阵列精心设计后也不会有空洞而互质阵列因为两个子阵的间距都很大差集拼接后必然产生缺口。处理空洞有三种常见做法第一种是直接忽略空洞只截取中心连续区间做平滑简单可行但牺牲了一部分潜在自由度第二种是利用稀疏重构类算法如原子范数最小化、OMP类方法直接在非均匀虚拟阵列上求解不要求连续性第三种是改用MISC这类改进结构通过重新设计多个子阵的间距让差集从互质的“基本连续”升级为“完全连续”同时保留大孔径优势。从模型角度看这三种做法的差异本质上是导向矢量在“有空洞的虚拟阵列”上如何构造的问题。只要把虚拟阵列的位置集合D(P)列清楚算法层面就可以灵活选择。5. 仿真与实测中的表现选型不能只看纸面自由度5.1 同一物理阵元数下的方向图对比理论做得再好工程上还是要看波束方向图的真实表现。我之前做过一组对比实验围绕6个物理阵元分别构造均匀线阵、嵌套阵列和互质阵列观察它们在相同信号条件下的空间谱。均匀线阵6元对应孔径5个半波长MUSIC谱能分辨目标但主瓣比较胖两个接近的信号角度稍微贴得近一点就糊成一团。嵌套阵列取N₁3、N₂3实际物理阵元5个谱峰明显变尖锐这对应的是连续虚拟孔径到了23个半波长波束宽度大幅收窄。互质阵列取M3、N4物理阵元6个同样的外部条件下谱峰也窄但如果不做空洞处理某些角度会冒出虚假小峰需要额外加约束。从方向图的角度看稀疏结构带来的最大收益不是“好看”而是等效波束宽度的大幅下降。这是物理孔径提升的直接结果。5.2 信源数、信噪比与自由度边界的实测差异DOA估计算法在信噪比不足或者信源数接近自由度极限时性能会急剧恶化。这一点在稀疏阵上体现得非常明显。实测中曾遇到一个场景固定信噪比约10dB两个信号角度间隔0.5°。均匀线阵在6阵元情况下基本无法稳定分辨MUSIC谱两个峰经常合并成一个换成嵌套阵后虚拟孔径足够大两个峰能稳定分开。另一个值得记录的现象是信源数逼近自由度边界时的“门限效应”。稀疏阵的自由度虽然高但虚拟阵列是通过协方差向量化得到的结构上相当于单快拍数据空间平滑会损失一部分有效孔径所以实际可分辨信源数并不会完全等于理论自由度通常要留出20%到30%的余量。这一点很多论文不会明说但工程布站和指标论证时必须考虑。5.3 工程选型建议从指标反推结构选型建议如果只给一句话就是先回答三个问题第一你的系统是否真的需要超大虚拟孔径如果只是常规角度分辨均匀线阵配合好算法完全够用没必要引入稀疏结构的复杂度。第二你的阵元数限制是多少固定阵元数且对连续虚拟孔径有强需求优先考虑嵌套阵列对互耦敏感转向超级嵌套阵列追求极限物理孔径且能接受空洞处理选互质阵列。第三你的算力平台能承受多大的矩阵运算虚拟阵列扩大后平滑协方差矩阵的维度变大MUSIC特征分解和空间谱搜索的计算量都会明显上升有些嵌入式平台跑不动大口径的MUSIC这时候可能要用子阵划分或降维方法。6. 工程落地中的真实坑位置标定、解模糊与MIMO连接6.1 位置误差对导向矢量的影响被放大稀疏阵有一个在仿真里很容易被忽略、实测里却非常致命的特性同样的位置误差稀疏阵的导向矢量失真远大于均匀线阵。原因是导向矢量的相位项包含2πp sinθ/λ位置坐标p越大p的微小波动被放得越大。稀疏阵的阵元往往分布在很大一段孔径上远端阵元的位置误差哪怕只有千分之几波长都会在超分辨谱里产生明显的旁瓣抬升和角度偏置。所以在工程上稀疏阵的位置标定必须比均匀线阵更严格。我在某个测向项目里遇到过一次阵元安装完成后直接拿理论坐标去算导向矢量结果MUSIC谱里总有一个稳定的小假峰。后来逐个阵元做了相位校准发现第三个阵元的实际位置和设计位置差了约0.08个半波长修正之后假峰立刻消失。这个教训让我养成了一个习惯任何稀疏阵法系统启用前都必须先跑一遍阵列校准流程用已知方向的校正源把位置误差标定出来而不是相信图纸上的坐标。6.2 虚拟阵列与网格搜索的配合细节使用虚拟阵列做角度搜索时还有一个容易被忽略的工程细节空间平滑之后虚拟阵元的位置间距仍然是半波长为单位但如果你在角度域做网格搜索要特别注意网格密度。虚拟阵列孔径变大之后MUSIC谱峰变得非常尖锐搜索网格稍粗就会漏掉真正的峰值甚至直接跨过峰顶导致估计结果跳变到相邻网格点。一个稳妥的做法是两级搜索先用粗网格确定峰的大致区域再用细网格局部细化。粗网格间距1°到2°细网格间距0.01°到0.05°计算量比全局细网格小一个量级稳定性却高很多。实测下来这个流程非常稳强烈推荐写进你的测向处理链里。6.3 稀疏阵列模型向MIMO雷达的迁移最后聊一个很多人会遇到的场景MIMO雷达的虚拟阵列和稀疏线阵的关系。MIMO雷达收发分置之后等效虚拟阵元位置等于发射阵元与接收阵元的差集和sum coarray而不是差集。如果发射阵和接收阵分别设计成互质或嵌套结构虚拟阵列的自由度会进一步放大。从模型表述的角度看MIMO雷达的虚拟阵列就是一个典型的合成稀疏阵所有的差集、空洞、连续孔径分析都完全适用。因此如果你已经把稀疏线阵的数学模型吃透了再去理解MIMO虚拟阵列会非常顺本质上是在不同维度上构造差分集合而已。反过来很多做MIMO雷达的人一开始不熟悉稀疏阵理论遇到虚拟阵元空洞就不知道怎么处理其实就是缺了差集这一课。我在实际项目中第一次用嵌套阵列替代均匀线阵时只是把阵元坐标从等间隔改成了两级结构然后重写了导向矢量生成函数其余算法链路几乎不用动测向性能却提升了一个档次。那之后我对阵列设计的态度就变了与其在算法上费尽心思折腾超分辨增益不如先把阵列的差分结构设计好——很多所谓的“性能瓶颈”其实在阵列几何这一步就已经注定了。你要是正在纠结阵元数不够、孔径做不大不妨从差集的角度重新审视一下你的阵列排布大概率能打开新思路。 
长河君 · 2026/10/23 5:44:06 · 阅读 1.2k 稀疏线阵设计：从差集坐标到虚拟孔径的DOA估计核心原理
做阵列信号处理的人迟早会和“稀疏线阵”这个词打交道。尤其是当你把算法写完、仿真跑通一上实测数据却出现多角度峰值、鬼影式模糊时往往会发现问题的根源不在DOA估计算法而在阵列本身——阵元间距突破了半波长约束。但真实工程里你又经常不得不把阵元间距拉大要么是物理空间不够要么是通道成本太贵要么是需要在有限阵元数下做出更大的孔径。这时候稀疏线阵就从一个“绕开约束的技巧”变成了真正工程上必须吃透的核心议题。这篇文章我会把几个最常见的稀疏线阵结构——最小冗余阵列、嵌套阵列、互质阵列——逐个拆开聊不光讲它们的位置怎么摆更要把背后的阵列模型表述讲清楚包括导向矢量、差集坐标、虚拟孔径、自由度这些概念到底是怎么串起来的。最后给一些实测经验和工程建议。适合正在做雷达测向、声呐阵列、通信定位、麦克风阵列的工程师和研究生参考哪怕你现在只是刚接触阵列信号处理跟着把模型走一遍也能对“稀疏”两个字建立起直觉。1. 均匀线阵的“半波长魔咒”稀疏化到底在解决什么问题1.1 空间采样与半波长约束先把最基础的逻辑理顺。一个常规均匀线阵ULA里阵元等间距排列间距通常取信号波长的一半即d λ/2。这个“半波长”不是随便定的它对应的是空间采样里的奈奎斯特条件。和时间采样一样空间采样如果太稀疏高频成分就会混叠进低频谱里对应到阵列方向图上就是会出现栅瓣grating lobe。具体来说相邻阵元之间的波程差d·sinθ对应相位差2πd·sinθ/λ。当d λ/2时在某一组角度组合下两个不同方向的入射信号会给出相同的相位差阵列就无法区分这两个方向谱搜索时就会在好几个角度位置同时出现峰值。这个现象不是算法能修好的它是阵列物理结构带来的固有模糊。可以类比一下相机采样如果你用很稀疏的像素网格去采样一幅图像高频细节会变成错误的低频条纹这就是莫尔纹。阵列里的栅瓣就是空域里的莫尔纹。1.2 阵列模型里的“孔径-阵元数”矛盾如果你问一个刚入行的同学想要提高角度分辨率怎么办他会说“加大孔径”。孔径L变大了波束主瓣宽度约等于λ/L确实更窄分辨两个相近目标的能力更强。可问题在于如果阵元间距还固定死在半波长孔径变大必然意味着阵元数变多。阵元数变多又带来两个现实压力一是射频通道成本每一个阵元后面都跟着接收机、ADC、校准链路通道数是成本的大头二是安装空间很多平台根本没有那么长的连续直线空间让你铺几百个阵元。于是工程上很自然地想到一个思路——既然等间距排不了那么多阵元能不能少摆几个阵元但把间距拉大硬把物理孔径撑出来直接拉大间距就是上面说的产生栅瓣。那如果间距不相等呢这就是稀疏线阵的起点通过非均匀的阵元排布让不同阵元相对位置的“差集”尽量不重复从而在没有栅瓣的前提下获得大孔径。这个思路最早在射电天文学里大量使用后来被引入到雷达和通信的DOA估计领域。1.3 稀疏化背后的本质差集而不是间距要理解稀疏线阵脑子里必须把关注点从“阵元间距”切换到“阵元位置差集”。阵列方向图或协方差矩阵里起作用的往往是阵元对之间的相对位置差。如果两个阵列有相同的差集集合它们在某些意义下是等价的——哪怕具体阵元位置完全不同。这一点是稀疏阵设计的核心思想我们不要求所有阵元物理上均匀覆盖孔径而只要求阵元之间的差分位置能覆盖我们关心的那一段虚拟孔径。均匀线阵其实是一种最“浪费”的排布方式因为它的差分位置高度冗余N个阵元产生的差集数量虽然多但去重之后只有2N-1个不同位置。稀疏线阵则努力让差集的“覆盖效率”更高用更少的物理阵元覆盖更大的连续差分区间这就是后面所有阵列结构设计的出发点。2. 稀疏线阵的数学模型从阵元位置到差集坐标2.1 接收信号模型与导向矢量无论阵列排布多复杂窄带远场假设下接收信号的数学模型都是一套统一的框架。设有N个阵元位置集合为P {p₁, p₂, ..., p₁ₙ}这里的位置坐标以λ/2为归一化单位也就是半波长间距记为1。若某个信号从θ方向入射第n个阵元相对参考点的相位差是a(θ) [e^{jπ·p₁·sinθ}, e^{jπ·p₂·sinθ}, ..., e^{jπ·p₁ₙ·sinθ}]ᵀ这个向量就是导向矢量。对于均匀线阵p₁, p₂, ...刚好是0, 1, 2, ..., N-1于是a(θ)是一个标准Vandermonde向量。对于稀疏线阵唯一的变化就是P不再是连续整数序列可能含有大间隔、非均匀间隔甚至有重复的原点。多个远场不相关信号叠加后接收数据为x(t) A(θ)s(t) n(t)其中A(θ) [a(θ₁), a(θ₂), ..., a(θ_K)]称为阵列流形矩阵s(t)是信号复包络向量n(t)是噪声。单从这个式子看稀疏阵和均匀阵只差在A的构造方式——采样位置不同导向矢量的相位分布不同。真正拉开差距的是接下来对协方差矩阵的处理。2.2 差集坐标与虚拟阵列接收数据的协方差矩阵定义为R E[x(t)xᴴ(t)]。假设信号与噪声独立可以得到R A R_s Aᴴ σ²I其中R_s是信号协方差矩阵σ²是噪声功率。这时往下走一步把R做向量化操作。学过Khatri-Rao积的话可以很干净地写成vec(R) (A* ⊙ A) r_s σ²·vec(I)这里的r_s是信号功率向量A* ⊙ A是一个新的“等效导向矩阵”它的第k列对应虚拟位置集合{p_i - p_j}上的导向矢量。也就是说向量化协方差矩阵之后我们凭空多出来一个阵列阵元位置恰好是原阵元位置的差集D(P) {p_i - p_j | 1 ≤ i, j ≤ N}这个集合里的每个坐标对应一个虚拟阵元。真实阵元只有N个但差分位置最多可以有N²个包含重复去重之后依然可能远大于N。均匀线阵为什么“不划算”因为它的差集D(P)就是{-N1, ..., -1, 0, 1, ..., N-1}一共只有2N-1个位置冗余极其严重。而一个设计良好的稀疏阵差集可以覆盖远大于2N-1的连续整数区间这正是稀疏阵在自由度上“以小博大”的根本原因。2.3 自由度的定义和意义在DOA估计里“自由度”通常指阵列能够分辨的信号源个数上限。对于均匀线阵N个物理阵元对应2N-1个虚拟阵元但需要注意的是虚拟阵列是均匀且连续的其可辨识信源数可以达到2N-2。这里我们就接触到稀疏阵的核心价值了同样阵元数下稀疏阵的连续虚拟阵元数往往远大于均匀线阵能够估计的信号源数量也因此大幅提升。比如四阵元的均匀线阵自由度是7最多分辨6个信源实际上N元ULA可辨识信源数为N-1因为MUSIC要求信号子空间维数不超过阵列自由度。如果利用差集虚拟阵列处理后自由度可达2N-2。一个四元嵌套阵列则可以做到2N₁N₂ N₂量级的自由度N₁N₂2时是11个连续虚拟阵元能分辨的信源数几乎翻倍。这个倍数在实际工程里就是实打实的系统能力差距。3. 三大经典稀疏结构拆解设计思路与数学表达3.1 最小冗余阵列MRA差集覆盖效率的极致最小冗余阵列是早期最经典的稀疏结构它的设计目标直白且苛刻在给定阵元数N的情况下让差集去重后能够覆盖从0到最大孔径的每一个整数位置并且差分位置的冗余次数最小。换句话说同样覆盖一段连续孔径MRA用到的物理阵元数是最少的。一个经典的N4的MRA位置是{0, 1, 4, 6}。你可以算一下差集绝对值1, 4, 6, 3, 5, 2, 6去重后是{1, 2, 3, 4, 5, 6}完整覆盖了1到6的所有整数。这意味着四阵元就构造出了一个等效孔径为6(λ/2)的连续虚拟均匀线阵。如果用均匀线阵要做到孔径6需要7个阵元。MRA用4个阵元干成了均匀线阵7个阵元的活效率提升肉眼可见。MRA的问题也很现实它的阵元位置没有闭式解析解需要靠搜索算法穷举或优化寻找。阵元数小的时候还好N超过10以后搜索空间爆炸找最优解非常耗时。工程上通常用次优搜索或查表结果所以MRA更适合中小阵元数的场景或者对孔径覆盖有硬性要求的场景。3.2 嵌套阵列Nested Array两级子阵拼接出全连续虚拟孔径嵌套阵列是近年工程落地最广泛的稀疏结构之一因为它不仅简便直观而且有一个非常漂亮的闭式自由度公式。构造方式分两级第一级是密集均匀子阵阵元数量N₁间距为1即λ/2第二级是稀疏均匀子阵阵元数量N₂间距为N₁1。将第二级子阵的起始位置放在和第一级子阵原点重合的位置这样两级子阵共享一个阵元。总物理阵元数N N₁ N₂ - 1这个结构的巧妙之处在于两级子阵的间距参数设计使得它们的差集无缝衔接拼接出一个完整的连续虚拟阵列。连续虚拟孔径长度可以达到DOF 2N₂(N₁1) - 1以N₁3、N₂3为例总共5个物理阵元连续虚拟阵元数达到2×3×4-123个。用5个阵元拿到等效23元均匀线阵的虚拟孔径这个杠杆效应在具体系统设计里非常有吸引力。代价是什么第一级密集阵元之间的间距只有半波长阵元间互耦会比较明显高频段或者天线单元尺寸较大的时候这个耦合效应不能忽略。3.3 互质阵列Coprime Array两个松弛子阵的大孔径方案互质阵列是另一个主流结构思路和嵌套不同它不追求差集完全连续而是用两个间距相对较大的均匀子阵在差集域互相“补盲”。具体构造为取两个互质数M和N第一个子阵阵元间距为N半波长归一化位置集合为{0, N, 2N, ..., (M-1)N}第二个子阵间距为M位置集合为{0, M, 2M, ..., (N-1)M}。两个子阵共用一个原点总阵元数MN-1。互质阵列的差集有一个特点整体差集中存在空洞holes但中间一段连续区间是完整无空洞的长度大致与MN成正比。工程上通常截取这段连续虚拟阵列做空间平滑和超分辨测向就能获得远大于物理阵元数的有效自由度。举个典型配置M4、N5物理阵元8个等效连续虚拟阵元大约在O(20)量级物理孔径更是达到MN量级的半波长单位这是均匀线阵很难做到的。互质阵的优势是物理孔径大、阵元间互耦较小适合需要大孔径但通道数受限的场景。劣势就是空洞处理比较麻烦差集非连续段的信息利用起来要额外设计算法而且连续段长度比理论差分集总长度少一截自由度上实际略打折扣。3.4 三种结构直观对比结构类型物理阵元数示例连续虚拟阵元数差集是否连续设计方式最大短板均匀线阵815连续等间距孔径-阵元数严格绑定最小冗余阵列47孔径6连续搜索优化大N搜索困难嵌套阵列5N₁3, N₂323连续闭式构造阵元间互耦偏大互质阵列8M4, N5约20不连续闭式构造空洞需特殊处理补充提一句近年来出现的超级嵌套阵列Super Nested Array以及多重互质结构本质上都是在嵌套和互质的基础上做“差分集扩展”解决耦合、空洞或者自由度进一步增大等问题。工程上先用经典三种结构打底再按需升级是一个稳妥的技术路线。4. 差集数组与虚拟孔径的数学原理稀疏阵的小博大是怎么实现的4.1 为什么协方差向量化能带来额外自由度肯定有人会疑惑物理阵元只有N个为什么协方差矩阵的向量化能“无中生有”出更多阵元这需要回到数学结构去看。R是N×N矩阵向量化后是一个N²×1的向量。这个N²维向量包含的信息来自所有阵元对的互相关。每一对(p_i, p_j)都是一组“干涉仪”它们测量的是同一段空间频率在一个差分距离上的采样。传统MUSIC算法只用R的特征分解本质上只是把N个物理阵元的子空间信息榨干。而把R整体向量化相当于把N²个阵元对全部当作独立的测量通道只是其中存在大量重复的差分位置需要去冗余。所以“额外自由度”不是凭空来的而是这些阵元对本身携带了冗余的、间接的观测信息。稀疏阵设计的本质就是重新分配位置集合P使得差分集合D(P)中不同坐标的数量最大化让这N²个阵元对的测量尽量“不重复、不浪费”。均匀线阵把大量阵元对浪费在了同一个差分位置上稀疏阵则把同一笔物理资源用出了更多花样。4.2 空间平滑与虚拟阵列的DOA估计流程获得了虚拟阵列后怎么把它用起来是实操关键。如果差集是连续的那问题就简单了把向量化后的数据重排成一个长虚拟均匀线阵的单快拍数据然后用空间平滑技术恢复协方差矩阵的秩最后套MUSIC或者ESPRIT。流程大致是这样的计算原始协方差矩阵R̂ (1/T)∑x(t)xᴴ(t)。对R̂向量化得到vec(R̂)剔除重复的差分位置数据并做平均。把处理后的数据按虚拟阵元位置重排成虚拟均匀线阵的单快拍数组。对连续虚拟阵列划分子阵做空间平滑得到满秩虚拟协方差。对平滑后的协方差做MUSIC谱搜索得到DOA估计。这里有个关键细节空间平滑的本质是把虚拟阵列的子阵数据做平均从而把单快拍恢复成统计意义上的多快拍。如果虚拟阵列不连续平滑会破坏孔径结构所以“差集连续”在经典处理流程里近乎是刚需。这也是嵌套阵列比互质阵列更容易工程化的原因——它在模型表述上更“干净”。4.3 空洞问题的本质与处理思路互质阵列差集里含有空洞什么是空洞就是差分坐标中某些整数位置不存在对应的阵元对。均匀线阵的差集没有空洞嵌套阵列精心设计后也不会有空洞而互质阵列因为两个子阵的间距都很大差集拼接后必然产生缺口。处理空洞有三种常见做法第一种是直接忽略空洞只截取中心连续区间做平滑简单可行但牺牲了一部分潜在自由度第二种是利用稀疏重构类算法如原子范数最小化、OMP类方法直接在非均匀虚拟阵列上求解不要求连续性第三种是改用MISC这类改进结构通过重新设计多个子阵的间距让差集从互质的“基本连续”升级为“完全连续”同时保留大孔径优势。从模型角度看这三种做法的差异本质上是导向矢量在“有空洞的虚拟阵列”上如何构造的问题。只要把虚拟阵列的位置集合D(P)列清楚算法层面就可以灵活选择。5. 仿真与实测中的表现选型不能只看纸面自由度5.1 同一物理阵元数下的方向图对比理论做得再好工程上还是要看波束方向图的真实表现。我之前做过一组对比实验围绕6个物理阵元分别构造均匀线阵、嵌套阵列和互质阵列观察它们在相同信号条件下的空间谱。均匀线阵6元对应孔径5个半波长MUSIC谱能分辨目标但主瓣比较胖两个接近的信号角度稍微贴得近一点就糊成一团。嵌套阵列取N₁3、N₂3实际物理阵元5个谱峰明显变尖锐这对应的是连续虚拟孔径到了23个半波长波束宽度大幅收窄。互质阵列取M3、N4物理阵元6个同样的外部条件下谱峰也窄但如果不做空洞处理某些角度会冒出虚假小峰需要额外加约束。从方向图的角度看稀疏结构带来的最大收益不是“好看”而是等效波束宽度的大幅下降。这是物理孔径提升的直接结果。5.2 信源数、信噪比与自由度边界的实测差异DOA估计算法在信噪比不足或者信源数接近自由度极限时性能会急剧恶化。这一点在稀疏阵上体现得非常明显。实测中曾遇到一个场景固定信噪比约10dB两个信号角度间隔0.5°。均匀线阵在6阵元情况下基本无法稳定分辨MUSIC谱两个峰经常合并成一个换成嵌套阵后虚拟孔径足够大两个峰能稳定分开。另一个值得记录的现象是信源数逼近自由度边界时的“门限效应”。稀疏阵的自由度虽然高但虚拟阵列是通过协方差向量化得到的结构上相当于单快拍数据空间平滑会损失一部分有效孔径所以实际可分辨信源数并不会完全等于理论自由度通常要留出20%到30%的余量。这一点很多论文不会明说但工程布站和指标论证时必须考虑。5.3 工程选型建议从指标反推结构选型建议如果只给一句话就是先回答三个问题第一你的系统是否真的需要超大虚拟孔径如果只是常规角度分辨均匀线阵配合好算法完全够用没必要引入稀疏结构的复杂度。第二你的阵元数限制是多少固定阵元数且对连续虚拟孔径有强需求优先考虑嵌套阵列对互耦敏感转向超级嵌套阵列追求极限物理孔径且能接受空洞处理选互质阵列。第三你的算力平台能承受多大的矩阵运算虚拟阵列扩大后平滑协方差矩阵的维度变大MUSIC特征分解和空间谱搜索的计算量都会明显上升有些嵌入式平台跑不动大口径的MUSIC这时候可能要用子阵划分或降维方法。6. 工程落地中的真实坑位置标定、解模糊与MIMO连接6.1 位置误差对导向矢量的影响被放大稀疏阵有一个在仿真里很容易被忽略、实测里却非常致命的特性同样的位置误差稀疏阵的导向矢量失真远大于均匀线阵。原因是导向矢量的相位项包含2πp sinθ/λ位置坐标p越大p的微小波动被放得越大。稀疏阵的阵元往往分布在很大一段孔径上远端阵元的位置误差哪怕只有千分之几波长都会在超分辨谱里产生明显的旁瓣抬升和角度偏置。所以在工程上稀疏阵的位置标定必须比均匀线阵更严格。我在某个测向项目里遇到过一次阵元安装完成后直接拿理论坐标去算导向矢量结果MUSIC谱里总有一个稳定的小假峰。后来逐个阵元做了相位校准发现第三个阵元的实际位置和设计位置差了约0.08个半波长修正之后假峰立刻消失。这个教训让我养成了一个习惯任何稀疏阵法系统启用前都必须先跑一遍阵列校准流程用已知方向的校正源把位置误差标定出来而不是相信图纸上的坐标。6.2 虚拟阵列与网格搜索的配合细节使用虚拟阵列做角度搜索时还有一个容易被忽略的工程细节空间平滑之后虚拟阵元的位置间距仍然是半波长为单位但如果你在角度域做网格搜索要特别注意网格密度。虚拟阵列孔径变大之后MUSIC谱峰变得非常尖锐搜索网格稍粗就会漏掉真正的峰值甚至直接跨过峰顶导致估计结果跳变到相邻网格点。一个稳妥的做法是两级搜索先用粗网格确定峰的大致区域再用细网格局部细化。粗网格间距1°到2°细网格间距0.01°到0.05°计算量比全局细网格小一个量级稳定性却高很多。实测下来这个流程非常稳强烈推荐写进你的测向处理链里。6.3 稀疏阵列模型向MIMO雷达的迁移最后聊一个很多人会遇到的场景MIMO雷达的虚拟阵列和稀疏线阵的关系。MIMO雷达收发分置之后等效虚拟阵元位置等于发射阵元与接收阵元的差集和sum coarray而不是差集。如果发射阵和接收阵分别设计成互质或嵌套结构虚拟阵列的自由度会进一步放大。从模型表述的角度看MIMO雷达的虚拟阵列就是一个典型的合成稀疏阵所有的差集、空洞、连续孔径分析都完全适用。因此如果你已经把稀疏线阵的数学模型吃透了再去理解MIMO虚拟阵列会非常顺本质上是在不同维度上构造差分集合而已。反过来很多做MIMO雷达的人一开始不熟悉稀疏阵理论遇到虚拟阵元空洞就不知道怎么处理其实就是缺了差集这一课。我在实际项目中第一次用嵌套阵列替代均匀线阵时只是把阵元坐标从等间隔改成了两级结构然后重写了导向矢量生成函数其余算法链路几乎不用动测向性能却提升了一个档次。那之后我对阵列设计的态度就变了与其在算法上费尽心思折腾超分辨增益不如先把阵列的差分结构设计好——很多所谓的“性能瓶颈”其实在阵列几何这一步就已经注定了。你要是正在纠结阵元数不够、孔径做不大不妨从差集的角度重新审视一下你的阵列排布大概率能打开新思路。