予晚1. 稀疏阵列信号处理基础
稀疏阵列信号处理是阵列信号处理领域的重要分支，它通过精心设计阵列中阵元的空间分布，在减少硬件成本的同时保持甚至提升传统均匀阵列的性能。作为一名长期从事雷达信号处理的工程师，我将从实际应用角度解析稀疏阵列的核心原理与实现细节。
1.1 均匀线阵与稀疏阵列模型差异
1.1.1 阵元失效模型 vs 开关选择模型
在工程实践中，稀疏阵列的实现通常有两种思路：
-
阵元失效模型：假设一个完整的均匀线阵(ULA)中部分阵元失效，剩余阵元构成稀疏阵列。这种模型常见于雷达系统故障分析场景。
-
开关选择模型：通过可编程开关动态选择激活的阵元子集。现代相控阵雷达常采用这种模式实现自适应波束形成。
实际工程中选择哪种模型取决于硬件条件。对于固定安装的大型阵列，阵元失效模型更贴近现实；而对于软件定义雷达系统，开关选择模型能提供更大的灵活性。
两种模型的关键差异体现在协方差矩阵的处理上。阵元失效模型需要处理缺失数据导致的矩阵不完整问题，而开关选择模型可以通过时间分集获取完整的统计信息。
1.1.2 差分共阵概念与自由度扩展
差分共阵(Difference Co-array)是理解稀疏阵列优势的核心概念。对于一个阵元位置集合S = {d₁, d₂,..., dₘ}，其差分共阵定义为：
D =
这个看似简单的定义蕴含着稀疏阵列的魔力。通过精心设计阵元位置，稀疏阵列可以产生比物理阵元数更多的虚拟阵元，从而突破传统均匀阵列的自由度限制。
工程实践中的典型示例：
- 最小冗余阵列(MRA)：用最少的阵元实现最大的连续差分共阵
- 嵌套阵列：通过两级嵌套结构实现O(N²)量级的虚拟阵元
- 互质阵列：利用互质数学特性构建大规模虚拟阵列
1.1.3 接收信号模型矩阵表示
在实际系统中，接收信号可建模为：
X = A(θ)S + N
其中导向矢量a(θₖ) = [e^(j(2π/λ)d₁sinθₖ), ..., e^(j(2π/λ)dₘsinθₖ)]ᵀ 表征阵列对第k个信源的空间响应。这个模型看似简单，但在工程实现时需要考虑：
- 波长λ的选择：需要根据工作频段中心频率确定，直接影响阵列孔径设计
- **角度θ