music演算法doa
㈠ 為什麼快拍數減少時傳統music演算法失效
就是全部陣元在時域的一次采樣.如果陣元數為M,那麼通常用 X(t)來表示一次采樣,維數為M*1. 具體可參看王永良 快拍數一般是指時域上的采樣點數，也就是snaps
㈡ 急，誰有MUSIC演算法同時估計DOA，TOA的源碼或者只估計TOA的源碼也可以。。。
我只有估計DOA的你要嗎？
%clc;
echo off
M=6;%天線個數
d=0.5;
k=2*pi;
kd=k*d;
K=100;%有限個采樣的二進制walsh碼幅度為1
D=3;%信號數
th=[-5/180*pi,5/180*pi,20/180*pi];
s=sign(randn(D,K));%信號的時間采樣
sig2=0.1;
n=sqrt(sig2)*randn(M,K);%雜訊的時間采樣
theta=-pi/6:0.01:pi/6;
A=[];
a1=[];
a2=[];
a3=[];
for ii=1:M
a1=[a1;exp(j*(ii-1)*kd.*sin(th(1)))];
a2=[a2;exp(j*(ii-1)*kd.*sin(th(2)))];
a3=[a3;exp(j*(ii-1)*kd.*sin(th(3)))];
end
A=[a1,a2,a3];
%randn('state',0);
Rss=s*s'/K
rank(Rss)
Rnn=n*n'/K;
Rns=n*s'/K;
Rsn=s*n'/K;
Rxx=A*Rss*A'+A*Rsn+Rns*A'+Rnn;
[V,Dia]=eig(Rxx);
[Y,Index]=sort(diag(Dia));
EN=V(:,Index(1:M-D));
for jj=1:18000
theta(jj)=-pi/2+jj/18000*pi;
a=[];
for kk=1:M
a=[a;exp(j*(kk-1)*kd*sin(theta(jj)))];
end
PB(jj)=abs(real(1/abs(a'*EN*EN'*a)));
end
PB_dB =10*log10(PB);
plot(theta/pi*180,PB_dB,'r');
grid on;
xlabel('Angle')
ylabel('|P(\theta)| (dB)');
title([' 使用時間平均的Music偽譜 ']);
[max,index]=maximun(PB,D);
eth=-90+index/100;
disp(['MUSIC法（相關信號）:']);
disp(['1,到達角估計:']);
disp([blanks(10),'d=',num2str(d),'lambda']);
disp([blanks(10),'理論值值為： theta_1 =',num2str(th(1)/pi*180),'° ,','theta_2 =',num2str(th(2)/pi*180),'° ,','theta_3 =',num2str(th(3)/pi*180),'°']);
disp([blanks(10),'模擬估計值為：theta_1 xxzxx=',num2str(eth(1)),'°,','theta_2 =',num2str(eth(2)),' ,','theta_3 =',num2str(eth(3)),'°']);
disp([blanks(10),'偏差為： ',num2str(abs(eth(1)-th(1)/pi*180)),'° ， ',num2str(abs(eth(2)-th(2)/pi*180)),'° ， ',num2str(abs(eth(3)-th(3)/pi*180)),'°']);
disp(['2,信號數目估計:']);
disp([blanks(10),'理論值值為： D =',num2str(D)]);
[V_s,Dia_s]=eig(Rss);
disp([blanks(10),'模擬估計值為：ED =',num2str(length(diag(Dia_s)))]);
㈢ music演算法的介紹
MUSIC演算法1是一種基於矩陣特徵空間分解的方法。從幾何角度講，信號處理的觀測空間可以分解為信號子空間和雜訊子空間，顯然這兩個空間是正交的。信號子空間由陣列接收到的數據協方差矩陣中與信號對應的特徵向量組成，雜訊子空間則由協方差矩陣中所有最小特徵值（雜訊方差）對應的特徵向量組成。
㈣ 請問MUSIC演算法和LMS演算法到底是怎麼回事,都是用來干嗎的啊
這是兩種不同的演算法,MUSIC演算法是多重信號分類演算法,是經典的空間譜估計演算法,通過將接受信號分成雜訊子空間和信號子空間(這兩子空間正交)達到超分辨譜估計.MUSIC演算法可以完成DOA(波達方向)估計和頻率估計.其實質是基於一維搜索的雜訊子空間演算法.
LMS演算法是最小均方演算法，是自適應技術的基礎．LMS演算法是達到輸入信號與期望信號有最小的均方誤差的一種演算法．
㈤ 關於DOA的MUSIC演算法 編程
難呀···
㈥ music演算法的理論發展及應用
MUSIC（Multiple Signal Classification多信號分類）演算法是1979年由美國人R.O.Schmidt提出的，它標志著空間譜估計測向進入了繁榮發展的階段。它將「向量空間」的概念引入了空間譜估計領域，經過三十年的發展，可以說其理論已經比較成熟。
自80年代以來，人們對基於特徵分解的超解析度空間譜估計演算法進行了廣泛深入的研究，並提出了一系列高效的處理方法，其中最經典的是多信號分類（MUSIC）演算法，這種演算法要經過一維搜索才能求出信源的來向，而相對最大似然（ML）和加權子空間擬合（WSF）等多維搜索演算法的運算量已經減少了很多。以MUSIC為代表的演算法存在一個缺點，即對相干信號處理的不理想。在針對相干信號源的一系列處理方案中，比較經典的是空間平滑技術，如空間平滑（SS）和修正的空間平滑（MSS）演算法。然而，空間平滑技術是以損失陣列有效孔徑為代價的，而且只適用於等距均勻線陣（ULA）。
事實上空間譜估計演算法都是在已知信號源數目下計算的，而在實際應用中這是不可能的，只能根據觀測數據對源數目進行估計。R.O.Schmidt在他的經典之作中提出了依據陣列協方差矩陣特徵值的分布來估計信號源的方法。這種方法在理論上是完美的，至少對獨立源和部分相關源是正確的，但實際上由於數據長度有限，很大程度上只能依靠主觀判斷來確定源數。
㈦ 空間譜估計均勻線陣music演算法matlab程序 急求！！！！！！
先用特徵值分解估計出信號個數，
然後MUSIC演算法中找出對應信號或信號雜訊的特徵向量，建立子空間。
S'*En*En'*S, 找最小值，譜搜索就好了。S是array manifold，En是雜訊的特徵向量。
函數照這個格式編就行 function output=MUSIC(array,Rxx,M)
array是線陣坐標矩陣，Rxx是接收數據的二階統計量，M是信號個數。
自己編吧，不難。。
㈧ 各個方面有關 music演算法 的東西
關於Music 演算法
http://www.hellovenus.com/?p=97
模擬了幾段程序，關於波達方向(DOA，Direction of Arrival)，採用的是音樂MUSIC,Multiple Signal Classification)演算法，基本思想是將任意陣列輸出數據的協方差進行奇異值分解，求出特徵值和特徵向量，利用信號子空間和雜訊子空間的正交性，構造空間譜函數，通過譜峰搜索，檢測信號的DOA。因為此演算法很經典，參考書和源程序在網上都可以搜到。給個地址，歡迎討論。
1:Steve Kogon在《統計與自適應信號處理》中的程序，
中文版，英文版， 源程序．
2：高星輝的碩士論文，修正MUSIC演算法對信號DOA的估計
論文,無修正的線陣演算法, 修正的線陣演算法．
3：圓陣演算法