music演算法matlab
『壹』 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。。
『貳』 求Root-MUSIC演算法matlab源碼
root-music是什麼東東。
不過你可以去www.mathworks.com的文件共享里搜索一下。
『叄』 關於DOA的MUSIC演算法 編程
難呀···
『肆』 怎麼用實際雷達數據模擬MUSIC演算法
（1） 不管測向天線陣列形狀如何，也不管入射來波入射角的維數如何，假定陣列由M個陣元組成，則陣列輸出模型的矩陣形式都可以表示為：Y(t)=AX(t)+N(t)
其中，Y是觀測到的陣列輸出數據復向量；X是未知的空間信號復向量；N是陣列輸出向量中的加性雜訊；A是陣列的方向矩陣；此處，A矩陣表達式由圖冊表示。
MUSIC演算法的處理任務就是設法估計出入射到陣列的空間信號的個數D以及空間信號源的強度及其來波方向。
（2） 在實際處理中，Y得到的數據是有限時間段內的有限次數的樣本（也稱快拍或快攝），在這段時間內，假定來波方向不發生變化，且雜訊為與信號不相關的白雜訊，則定義陣列輸出信號的二階矩：Ry。
（3） MUSIC演算法的核心就是對Ry進行特徵值分解，利用特徵向量構建兩個正交的子空間，即信號子空間和雜訊子空間。對Ry進行特徵分解，即是使得圖冊中的公式成立。
（4） U是非負定的厄米特矩陣，所以特徵分解得到的特徵值均為非負實數，有D個大的特徵值和M-D個小的特徵值，大特徵值對應的特徵向量組成的空間Us為信號子空間，小特徵值對應的特徵向量組成的空間Un為雜訊子空間。
（5） 將雜訊特徵向量作為列向量，組成雜訊特徵矩陣 ，並張成M-D維的雜訊子空間Un，雜訊子空間與信號子空間正交。而Us的列空間向量恰與信號子空間重合，所以Us的列向量與雜訊子空間也是正交的，由此，可以構造空間譜函數。
（6） 在空間譜域求取譜函數最大值，其譜峰對應的角度即是來波方向角的估計值。
『伍』 急，誰有空間譜估計MUSIC演算法MATALB
clc
clear all
tic
% ---------------------------參數初始化------------------------------------
M=8; % 陣元數目
L=1024; % 信號長度/快拍數
N=3; % 信號源
lam=0.15; % 信號波長
d=1/2*lam; % 陣元間距
w=[pi/6 pi/9 pi/3]'; % 信號頻率
angle=[pi/4 pi/6 pi/9]; % 信號入射角度
% ---------------------------信號模型--------------------------------------
A1=exp(-j*2*pi/lam*([0:M-1]*d)*sin(angle(1)))'; % 導向向量
A2=exp(-j*2*pi/lam*([0:M-1]*d)*sin(angle(2)))';
A3=exp(-j*2*pi/lam*([0:M-1]*d)*sin(angle(3)))';
A=[A1 A2 A3];
S=[1.3*cos(w(1)*(1:L));1*sin(w(2)*(1:L));1*sin(w(3)*(1:L))]; % 構造輸入信號矢量
X=A*S+randn(8,L)+j*randn(8,L); % 加雜訊
% ---------------------------角度估計--------------------------------------
R=X*X'/L; % 協方差矩陣
Rcum=(kron(X,conj(X))*(kron(X,conj(X))'))/Num-kron(X,conj(X))/Num*kron(X,conj(X))'/Num-kron(X*X'/Num,conj(X*X'/Num));
[V D]=eig(Rcum); % 奇異值分解
[lambda,index] = sort((diag(D))); % 特徵值排序
UU=V(:,index(1:N)); % 雜訊子空間
theta=-pi/2:.001:pi/2; % ULA估計角度變化的范圍和頻率選擇 小步進0.001
for i = 1:length(theta) % 角度估計
AA=exp(-j*2*pi/lam*([0:M-1]*d)*sin(theta(i)))'; % 方向矢量
WW=AA'*UU*UU'*AA;
Pmusic(i)=abs(1/WW); % 角譜
end
Pmusic = 10*log10(Pmusic/max(Pmusic));
figure(1)
plot(theta*180/pi,Pmusic);title('Music-1')
figure(2);
polar(theta,Pmusic );grid;title('Music-2')
toc
這是線陣的MUSIC譜估計演算法。希望能幫助你。
『陸』 請問用matlab做數據處理，需要數據加窗函數的music演算法怎麼做，出圖是功率譜的
n=0:0.1:200;%設定信號時間長度為0到200秒，采樣間隔0.1，則采內樣頻率為10HZ，點數2001
y=sin(2*pi*0.2*n)+sin(2*0.213*n);
Y=fft(y);%FFTPyy=Y.*conj(Y)/2000;%信號功率譜f=10*(0:1000)/2000;%計算橫容軸頻率值figure(1)subplot(2,1,1),plot(n,y),title('信號'),xlabel('時間(S)')subplot(2,1,2),plot(f,Pyy(1:1001)),title('信號功率譜'),xlabel('頻率(Hz)')
『柒』 matlab編程問題：ARMA和MUSIC
主要問題包括：
1、變數x未定義。
2、函數MUSIC裡面：
S=[S(257:512)S(1:256)];
應為
S=[S(257:512)S(1:256)];
另外，clearR未定義，不知道干什麼用的，可以直接刪掉。
3、函數ARMA裡面，調用的Burg未定義。
『捌』 幫我這個Matlab的MUSIC演算法程序怎麼改才能運行
clear
m=sqrt(-1);
delta=0.101043;
a1=-0.850848;
sample=32; %number of sample spot
p=10; %number of sample spot in coef method;
f1=0.05; f2=0.40; f3=0.42;
fstep=0.01;
fstart=-0.5;
fend=0.5;
f=fstart:fstep:fend;
nfft=(fend-fstart)/fstep+1;
%un=urn+juin
urn= normrnd(0,delta/2,1,sample);
uin= normrnd(0,delta/2,1,sample);
un=urn+m*uin;
%計算 zn
for n=1:sample-1
zn(1)=un(1);
zn(n+1)=-a1*zn(n)+un(n+1);
end
%計算 xn
for n=1:sample
xn(n)=2*cos(2*pi*f1*(n-1))+2*cos(2*pi*f2*(n-1))+2*cos(2*pi*f3*(n-1))+sqrt(2)*real(zn(n));
end
x=xn';
for k=0:1:sample-1
s=0;
for n=1:sample-k,
s=s+conj(x(1,n))*x(1,n+k); %calculate the value of rxx
end
rxx(1,k+1)=(1/sample)*s;
end
Rx=zeros(sample,sample);
Rx=toeplitz(rxx(1,1:32));
[U,S,V]=svd(Rx);
Pmusicf=zeros(1,1/fstep+1);
ei=zeros(1,sample);
for i=1:length(f)
for j=1:sample
ei(1,j)=exp(-2*pi*(j-1)*f(i)*m);
end;
sum=0;
for k=7:sample
sum=sum+abs(ei*V(:,k))^2;
end
Pmusicf(1,i)=10*log10(1/sum);
end
figure
plot(f,Pmusicf);
title('人工計算music演算法');
pp=6;
x=xn';
M=length(x);
rxx=xcorr(x,'biased');
rxx=[rxx(M:end),0];
R=toeplitz(rxx,rxx);
Rxx=R(1:M,1:M);
Rxy=R(1:M,2:end);
[U,S,V]=svd(Rxx);
U1=U(:,1:pp);
S1=S(1:pp,1:pp);
V1=V';
V1=V1(1:pp,:);
A=U1.'*Rxy*V1.';
d=eig(S1,A);
y=angle(d)/2/pi;
figure
stem(y,ones(1,length(y)));
title('人工計算esprit演算法');
f=-0.5:0.001:0.5;
j=sqrt(-1);
for n=1:1001
ff(n)=0;
for k=1:length(xn)
ff(n)=xn(k)*exp(-j*2*pi*n*k/1001)+ ff(n);
end
ff(n)=abs( ff(n)).^2/(length(xn));
end
ff=10*log10(ff);
figure
plot(f,ff)
『玖』 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。