music演算法
❶ 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)
❷ 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)')
❸ 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．
❹ 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
❺ 最近在做music演算法，需要用到奇異值分解，求復數矩陣的奇異值演算法C++源程序
數學上講：特徵向量是不唯一的，也許不是不對。畢竟特徵值都求對了呢。如果可以的話，題主舉一個具體的例子？讓大家看看怎麼不對。
程序上講：這種演算法都有現成的庫，盡量別自己寫，很容易搞出錯的。。
❻ 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。
❼ 波束形成和music有什麼關系
為了提高頻域波束形成的寬頻波達方向估計性能,提出了類MUSIC波束形成演算法(MBM,MUSIC-likeBeamforming Method).在頻域將寬頻信號劃分為若干窄帶信號,疊加各窄帶的MBM演算法的空間譜後其峰值對應角度即為寬頻波達方向估計結果.MBM演算法的主瓣寬度在不同分析頻率下基本保持不變,計算量與常規波束形成(CBF,Con-ventional Beamforming)相當.模擬結果表明,MBM演算法的寬頻波達方向估計性能和角度分辨能力介於分別疊加各窄帶的CBF和MUSIC演算法估計結果的ICBF(Incoherent CBF)和IMUSIC(Incoherent MUSIC)演算法之間.
❽ 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。
❾ 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
❿ 問一個信號中MUSIC演算法的問題：
隨機信號的功率譜，描述了信號的功率在頻域的分布情況。
如果是實功率譜，那麼它應該完整描述了功率所分布的頻率范圍，以及在不同頻率處的功率的相對強度。
而MUSIC作為一種高解析度的子空間方法，首先其主要應用於離散譜的估計，比如混疊在一起的單頻信號；其頻譜峰值反映了這些主要信號成分所在的頻率位置，但是其並不能反映各信號成分之間的幅度比值（相對強度），也反映不出信噪比水平，所以MUSIC演算法所得到的「譜」被稱為偽譜。