从虚拟阵列到高分辨：互质阵列DOA估计的核心原理与实现

1. 互质阵列DOA估计的独特优势

传统均匀线阵（ULA）在波达方向（DOA）估计中存在两个致命缺陷：一是阵元间距必须严格保持半波长，否则会出现栅瓣问题；二是阵列自由度直接受限于物理阵元数量。我曾在实际项目中遇到过这样的困境——当需要同时监测8个信号源时，按照传统方法至少需要9个阵元，但设备体积和成本根本不允许。

互质阵列的巧妙之处在于它用数学智慧突破了物理限制。这种由两个子阵构成的特殊结构，其阵元数M和N互为质数（比如3和4），阵元间距分别为N倍和M倍半波长。实测下来，这种设计带来了三大突破：

1. 物理阵元利用率翻倍：通过差分共阵技术，实际可用的虚拟阵元数量远超物理阵元。例如用7个物理阵元就能实现相当于13个均匀阵元的性能，这个发现让我在去年一个车载雷达项目里节省了40%的硬件成本。

2. 抗耦合能力增强：由于阵元间距拉大，电磁耦合效应显著降低。有组对比数据很能说明问题：在2.4GHz频段下，均匀阵的互耦系数通常在-15dB左右，而互质阵列可以控制在-25dB以下。

3. 自由度非线性增长：当对稀疏子阵进行二倍扩展时（比如把3阵元子阵扩到6个），虚拟阵列的连续孔径会从7增加到15，这种指数级增益特性在毫米波通信场景特别实用。

2. 虚拟阵列的构建原理

2.1 从物理阵元到差分共阵

理解虚拟阵列的关键在于掌握"阵元位置差"这个概念。假设我们有个物理阵元位置集合P={0,3,5,6,9,10}（单位是半波长），那么任意两个阵元位置的差值就构成了虚拟阵元。比如第2和第4个阵元的差5-3=2，就意味着在位置2处产生了一个虚拟阵元。

这个过程用数学语言描述就是构建差集：

code复制S = {p_i - p_j | ∀p_i,p_j∈P}

我在首次实现这个算法时踩过坑——忘记考虑差值的正负对称性。实际上差值-2和+2对应的是同一个空间相位差，这会导致后续虚拟阵列权值计算错误。正确的做法是对差集取绝对值后再统计重复次数。

2.2 协方差矩阵的魔法变形

接收信号的协方差矩阵R蕴含着所有阵元间的互相关信息。通过向量化操作vec(R)，我们实际上是把N×N的矩阵展开成了N²×1的向量。这个看似简单的操作背后藏着精妙之处：

• 向量中的每个元素对应一对物理阵元的互相关
• 元素值大小反映信号功率在空间上