Метод MUSIC

Метод MUSIC (англ. Multiple Signal Classification — классификация множественных сигналов) — это алгоритм спектрального оценивания и определения направления прихода (DoA) сигналов, основанный на анализе собственных значений корреляционной матрицы принимаемых колебаний. Относится к классам сверхразрешающих методов, позволяющих различать источники излучения, угловое расстояние между которыми меньше ширины диаграммы направленности антенной решётки. Метод был предложен в 1979 году Ральфом Шмидтом (Ralph O. Schmidt) и с тех пор широко применяется в радиоастрономии, радиолокации, гидроакустике, сейсмологии, мобильной связи и других областях, где требуется точное определение угловых координат источников сигналов.

История

До появления метода MUSIC для оценки направления прихода сигналов использовались классические методы, такие как метод Бартлетта (формирование луча) и метод Капона (минимальная дисперсия). Эти подходы имели фундаментальное ограничение — разрешающая способность определялась шириной диаграммы направленности антенной решётки (так называемый критерий Рэлея). В 1979 году Ральф Шмидт, работавший в компании Northrop Grumman (США), опубликовал статью, в которой впервые описал алгоритм MUSIC. Позднее, в 1986 году, метод был детально изложен в журнале IEEE Transactions on Antennas and Propagation. MUSIC стал одним из первых практических методов, реализующих принцип «сверхразрешения» (super-resolution), то есть способность различать источники, угловое расстояние между которыми меньше ширины луча антенны.

Математическая основа

Метод MUSIC опирается на модель сигнала, принимаемого антенной решёткой из \( M \) элементов. Предполагается, что на решётку падает \( D \) узкополосных сигналов от точечных источников, расположенных в дальней зоне. Сигнал, принятый решёткой, описывается как:

\[ \mathbf{x}(t) = \mathbf{A}(\theta) \mathbf{s}(t) + \mathbf{n}(t) \]

где:

• \(\mathbf{x}(t)\) — вектор-столбец принятых сигналов размером \( M \times 1 \);
• \(\mathbf{A}(\theta)\) — матрица направляющих векторов (steering matrix) размером \( M \times D \), каждый столбец которой соответствует отклику решётки на сигнал от источника с углом \(\theta_d\);
• \(\mathbf{s}(t)\) — вектор-столбец комплексных амплитуд сигналов источников размером \( D \times 1 \);
• \(\mathbf{n}(t)\) — вектор-столбец аддитивного белого шума размером \( M \times 1 \).

Собственное разложение корреляционной матрицы

Корреляционная матрица принятых сигналов \(\mathbf{R}_{xx}\) определяется как:

\[ \mathbf{R}_{xx} = E[\mathbf{x}(t) \mathbf{x}^H(t)] = \mathbf{A} \mathbf{R}_{ss} \mathbf{A}^H + \sigma^2 \mathbf{I} \]

где \(\mathbf{R}_{ss}\) — корреляционная матрица сигналов, \(\sigma^2\) — дисперсия шума, \(\mathbf{I}\) — единичная матрица, а \(H\) обозначает эрмитово сопряжение.

Собственное разложение матрицы \(\mathbf{R}_{xx}\) даёт \(M\) собственных значений \(\lambda_1 \ge \lambda_2 \ge \dots \ge \lambda_M\). При условии, что число источников \(D\) меньше числа элементов решётки \(M\), первые \(D\) собственных значений соответствуют сигнальному подпространству, а остальные \(M-D\) — шумовому подпространству. Собственные векторы, соответствующие шумовым собственным значениям, ортогональны направляющим векторам сигналов.

Псевдоспектр MUSIC

Псевдоспектр (функция оценки) метода MUSIC строится как:

\[ P_{MUSIC}(\theta) = \frac{1}{\mathbf{a}^H(\theta) \mathbf{E}_n \mathbf{E}_n^H \mathbf{a}(\theta)} \]

где \(\mathbf{a}(\theta)\) — направляющий вектор для угла \(\theta\), а \(\mathbf{E}_n\) — матрица, столбцами которой являются собственные векторы шумового подпространства.

Знаменатель обращается в ноль, когда \(\mathbf{a}(\theta)\) ортогонален шумовому подпространству, то есть когда \(\theta\) совпадает с истинным направлением на источник. На практике из-за конечной длины выборки и шума знаменатель мал, но не равен нулю, что даёт острые пики в псевдоспектре. Поиск пиков позволяет определить углы прихода сигналов.

Классификация и варианты

Существует несколько модификаций метода MUSIC, адаптированных для различных условий:

• Стандартный MUSIC (Spectral MUSIC) — базовый алгоритм, описанный выше. Применим для узкополосных сигналов и изотропных антенн.
• Root-MUSIC — вариант, в котором поиск пиков заменяется нахождением корней полинома, что позволяет вычислить углы напрямую, без сканирования по углу. Обеспечивает более высокую точность и скорость вычислений.
• Smooth-MUSIC (Spatial Smoothing) — модификация для коррелированных (когерентных) сигналов, например, при многолучевом распространении. Путём усреднения по подрешёткам восстанавливается ранг корреляционной матрицы.
• Cyclic MUSIC — использует циклическую стационарность сигналов (например, в цифровой связи) для подавления помех и шума.
• Wideband MUSIC — расширение для широкополосных сигналов, где применяется частотная фильтрация или разбиение на узкополосные компоненты.
• Unitary MUSIC — для вещественных антенных решёток с симметрией, что снижает вычислительную сложность.

Применение

Радиолокация и радиоэлектронная разведка

Метод MUSIC используется в системах пассивной радиолокации для определения угловых координат источников радиоизлучения, например, в системах радиоэлектронной разведки (РЭР) и радиоэлектронной борьбы (РЭБ). Позволяет обнаруживать и классифицировать цели с высокой точностью.

Гидроакустика

В гидроакустических системах MUSIC применяется для определения направления на подводные лодки, корабли и другие объекты, излучающие акустические сигналы. Используется в сонарах и системах гидроакустической разведки.

Мобильная связь и беспроводные сети

В системах MIMO (Multiple Input Multiple Output) и 5G/6G метод MUSIC применяется для оценки углов прихода сигналов от абонентских устройств, что позволяет реализовать адаптивное формирование луча (beamforming) и повысить пропускную способность канала.

Астрономия и радиоастрономия

В радиоастрономии MUSIC используется для точного определения координат космических источников радиоизлучения, таких как пульсары, квазары и галактики. Применяется в радиотелескопах-интерферометрах.

Сейсмология

В сейсморазведке и мониторинге землетрясений метод MUSIC позволяет определять направление на эпицентр подземных толчков по данным сейсмических решёток.

Достоинства и недостатки

Достоинства

• Высокая разрешающая способность — позволяет различать источники, угловое расстояние между которыми меньше ширины луча антенны.
• Точность — при достаточном отношении сигнал/шум и длине выборки даёт оценки, близкие к теоретическому пределу Крамера — Рао.
• Универсальность — применим для любых типов антенных решёток (линейных, плоских, объёмных) и сигналов.

Недостатки

• Требовательность к вычислительным ресурсам — собственное разложение корреляционной матрицы размером \( M \times M \) имеет сложность \( O(M^3) \), что ограничивает применение в реальном времени при больших \( M \).
• Чувствительность к корреляции сигналов — при когерентных источниках (например, при многолучевом распространении) стандартный MUSIC теряет работоспособность; требуются модификации.
• Требование к числу источников — необходимо априорное знание числа источников \( D \), иначе возможны ложные пики или пропуск целей.
• Чувствительность к калибровке — ошибки в фазовых и амплитудных характеристиках элементов решётки приводят к снижению точности.

Сравнение с другими методами

Метод MUSIC относится к классу методов подпространственного анализа. Другими известными методами этого класса являются:

• ESPRIT (Estimation of Signal Parameters via Rotational Invariance Techniques) — использует свойство сдвиговой инвариантности антенной решётки, что позволяет избежать сканирования по углу и снизить вычислительную сложность. Однако ESPRIT требует специальной структуры решётки (например, двух идентичных подрешёток).
• Метод минимальной нормы (Minimum-Norm) — альтернативный подход, основанный на поиске вектора, ортогонального сигнальному подпространству.
• Капоновский метод (Capon, MVDR) — метод минимальной дисперсии, обеспечивающий хорошее подавление помех, но уступающий MUSIC по разрешающей способности при малом числе источников.

По сравнению с классическими методами (Бартлетт, Капон) MUSIC обеспечивает значительно более высокую разрешающую способность, но требует большего объёма вычислений и более точной калибровки.

Интересные факты

• Метод MUSIC иногда называют «методом Шмидта» по имени его создателя.
• В 1980-х годах метод MUSIC был запатентован в США (патент № 4,750,147), но впоследствии стал общедоступным.
• Алгоритм MUSIC лёг в основу многих коммерческих систем радиопеленгации, используемых в авиации и морском транспорте.
• В современных системах 5G и Wi-Fi 6/7 метод MUSIC применяется в сочетании с технологией MIMO для повышения точности позиционирования абонентов.

Источники

• Schmidt, R. O. (1979). «Multiple emitter location and signal parameter estimation». IEEE Transactions on Antennas and Propagation, 34(3), 276–280.
• Van Trees, H. L. (2002). «Optimum Array Processing: Part IV of Detection, Estimation, and Modulation Theory». Wiley-Interscience.
• Krim, H., & Viberg, M. (1996). «Two decades of array signal processing research: the parametric approach». IEEE Signal Processing Magazine, 13(4), 67–94.
• Stoica, P., & Moses, R. (2005). «Spectral Analysis of Signals». Prentice Hall.
• Журавлёв, А. В. (2010). «Методы цифровой обработки сигналов в антенных решётках». Радиотехника.