导读：

空间谱测向是矢量测向技术的统称，超分辨测向是空间谱测向中"突破瑞利限"的高性能算法子集——二者是整体与局部的包含关系，而非并列关系。本文系统梳理测向技术路线。

一、测向技术全景分类

测向技术按技术路线可分为四大类：

技术包含关系：

空间谱测向（广义）= { 常规空间谱（CBF等波束类，受瑞利限） + 超分辨空间谱（MUSIC、ESPRIT，突破瑞利限） }

二、产生背景：技术路线迭代与需求驱动

2.1 空间谱测向：从单一维度到多维矢量的跨越

20世纪60年代前，幅度、相位、时差三类传统测向技术面临三大共性瓶颈：

1. 信息维度单一：仅能提取信号的单一维度信息（幅度/相位/时间），无法应对多径传播与同频多信号共存场景

2. 硬件依赖严重：依赖增大天线孔径提升性能，硬件成本与部署难度呈指数增长

3. 抗干扰能力弱：复杂电磁环境下测向误差显著扩大

随着雷达、通信、电子侦察等领域对"多信号并行处理、高精度测向"的需求升级，传统技术路线已无法突破性能天花板。空间谱测向技术应运而生：

• 通过多阵元阵列同步采集信号的幅度与相位完整信息

• 将时域谱估计理论拓展至空域，构建空间谱P(θ)实现波达角估计

• 核心突破：从"单一维度信息提取"到"多维矢量处理"，搭建了"阵列采集 + 算法处理"的技术框架

图1  空间谱测向三段式处理架构：目标空间→观察空间→估计空间

2.2 超分辨测向：突破瑞利限的性能革命

空间谱测向初期的经典算法（如CBF）虽解决了"多信号接收"问题，但仍受限于瑞利限：

20世纪70-80年代，超分辨算法通过原理创新实现革命性突破：

• 1979年：Schmidt提出MUSIC算法，利用协方差矩阵特征分解分离信号子空间与噪声子空间

• 1989年：Roy和Kailath提出ESPRIT算法，基于阵列平移不变性直接求解角度

这些算法不再依赖硬件孔径，而是通过信号子空间特征提取突破瑞利限，使分辨率仅由阵元数与算法精度决定。核心需求源于军事电子对抗、密集通信基站定位等场景，需在有限硬件资源下实现0.1°-1°级别的高精度测向。

图2  两大经典超分辨算法：MUSIC与ESPRIT

三、理论算法体系详解

3.1 空间谱测向四大算法分支

图3  空间谱测向技术路线主要算法分支

1. 经典波束形成（CBF/Bartlett）——基础算法通过延迟-相加法使特定方向信号同相叠加，本质是"空域能量加权求和"。结构简单、计算量小，但分辨率受瑞利限制约，适用于单信号、高信噪比场景。

2. 子空间类算法——超分辨核心通过协方差矩阵特征分解实现信号与噪声子空间分离，代表算法为MUSIC、ESPRIT，分辨率突破瑞利限，是空间谱测向的主流技术路径。

3. 最大似然类算法——统计最优通过构建统计最优目标函数估计角度，低信噪比下性能接近克拉美-罗下界（CRLB），但计算复杂度极高，适用于对精度要求苛刻的场景（如射电天文观测）。

4. 稀疏重构类算法——新兴方向基于"空间信源稀疏分布"假设，通过压缩感知理论实现单快拍或少量快拍下的高精度测向，代表算法为OMP、FOCUSS，对相干信号天然免疫。

3.2 超分辨核心算法对比

图4  超分辨测向核心算法家族

四、典型应用场景

五、常见误区与算法选型指南

5.1 三大常见认知误区

5.2 算法选型决策树

1. 如果追求简单可靠 → 选CBF（接受瑞利限约束）

2. 如果需要超分辨 + 通用场景 → 选MUSIC

3. 如果需要实时性 + 规则阵列 → 选ESPRIT

4. 如果存在相干信号 / 快拍少 → 选OMP/FOCUSS稀疏重构

5. 如果极低信噪比 + 不计成本 → 选最大似然类算法

结语：技术路线迭代的核心逻辑

从传统测向技术到空间谱测向，是「单一维度信息提取 → 多维矢量处理」的技术路线跨越；

从空间谱测向到超分辨测向，是同一技术路线内「硬件依赖 → 算法驱动」的性能深化。

空间谱测向搭建了矢量测向的核心框架，而超分辨测向通过原理创新释放了框架的性能潜力——这就是二者"整体与局部"的本质关系。

【关于祯仪】

祯仪科技，专业从事宽频段无线电信号接收，适用于无线电管理、信号侦查与分析、通用频谱分析、卫星导航监测、低空复杂电磁环境感知等。