music算法doa
㈠ 为什么快拍数减少时传统music算法失效
就是全部阵元在时域的一次采样.如果阵元数为M,那么通常用 X(t)来表示一次采样,维数为M*1. 具体可参看王永良 快拍数一般是指时域上的采样点数，也就是snaps
㈡ 急，谁有MUSIC算法同时估计DOA，TOA的源码或者只估计TOA的源码也可以。。。
我只有估计DOA的你要吗？
%clc;
echo off
M=6;%天线个数
d=0.5;
k=2*pi;
kd=k*d;
K=100;%有限个采样的二进制walsh码幅度为1
D=3;%信号数
th=[-5/180*pi,5/180*pi,20/180*pi];
s=sign(randn(D,K));%信号的时间采样
sig2=0.1;
n=sqrt(sig2)*randn(M,K);%噪声的时间采样
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([' 使用时间平均的Music伪谱 ']);
[max,index]=maximun(PB,D);
eth=-90+index/100;
disp(['MUSIC法（相关信号）:']);
disp(['1,到达角估计:']);
disp([blanks(10),'d=',num2str(d),'lambda']);
disp([blanks(10),'理论值值为： theta_1 =',num2str(th(1)/pi*180),'° ,','theta_2 =',num2str(th(2)/pi*180),'° ,','theta_3 =',num2str(th(3)/pi*180),'°']);
disp([blanks(10),'仿真估计值为：theta_1 xxzxx=',num2str(eth(1)),'°,','theta_2 =',num2str(eth(2)),' ,','theta_3 =',num2str(eth(3)),'°']);
disp([blanks(10),'偏差为： ',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,信号数目估计:']);
disp([blanks(10),'理论值值为： D =',num2str(D)]);
[V_s,Dia_s]=eig(Rss);
disp([blanks(10),'仿真估计值为：ED =',num2str(length(diag(Dia_s)))]);
㈢ music算法的介绍
MUSIC算法1是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。
㈣ 请问MUSIC算法和LMS算法到底是怎么回事,都是用来干吗的啊
这是两种不同的算法,MUSIC算法是多重信号分类算法,是经典的空间谱估计算法,通过将接受信号分成噪声子空间和信号子空间(这两子空间正交)达到超分辨谱估计.MUSIC算法可以完成DOA(波达方向)估计和频率估计.其实质是基于一维搜索的噪声子空间算法.
LMS算法是最小均方算法，是自适应技术的基础．LMS算法是达到输入信号与期望信号有最小的均方误差的一种算法．
㈤ 关于DOA的MUSIC算法 编程
难呀···
㈥ music算法的理论发展及应用
MUSIC（Multiple Signal Classification多信号分类）算法是1979年由美国人R.O.Schmidt提出的，它标志着空间谱估计测向进入了繁荣发展的阶段。它将“向量空间”的概念引入了空间谱估计领域，经过三十年的发展，可以说其理论已经比较成熟。
自80年代以来，人们对基于特征分解的超分辨率空间谱估计算法进行了广泛深入的研究，并提出了一系列高效的处理方法，其中最经典的是多信号分类（MUSIC）算法，这种算法要经过一维搜索才能求出信源的来向，而相对最大似然（ML）和加权子空间拟合（WSF）等多维搜索算法的运算量已经减少了很多。以MUSIC为代表的算法存在一个缺点，即对相干信号处理的不理想。在针对相干信号源的一系列处理方案中，比较经典的是空间平滑技术，如空间平滑（SS）和修正的空间平滑（MSS）算法。然而，空间平滑技术是以损失阵列有效孔径为代价的，而且只适用于等距均匀线阵（ULA）。
事实上空间谱估计算法都是在已知信号源数目下计算的，而在实际应用中这是不可能的，只能根据观测数据对源数目进行估计。R.O.Schmidt在他的经典之作中提出了依据阵列协方差矩阵特征值的分布来估计信号源的方法。这种方法在理论上是完美的，至少对独立源和部分相关源是正确的，但实际上由于数据长度有限，很大程度上只能依靠主观判断来确定源数。
㈦ 空间谱估计均匀线阵music算法matlab程序 急求！！！！！！
先用特征值分解估计出信号个数，
然后MUSIC算法中找出对应信号或信号噪声的特征向量，建立子空间。
S'*En*En'*S, 找最小值，谱搜索就好了。S是array manifold，En是噪声的特征向量。
函数照这个格式编就行 function output=MUSIC(array,Rxx,M)
array是线阵坐标矩阵，Rxx是接收数据的二阶统计量，M是信号个数。
自己编吧，不难。。
㈧ 各个方面有关 music算法 的东西
关于Music 算法
http://www.hellovenus.com/?p=97
仿真了几段程序，关于波达方向(DOA，Direction of Arrival)，采用的是音乐MUSIC,Multiple Signal Classification)算法，基本思想是将任意阵列输出数据的协方差进行奇异值分解，求出特征值和特征向量，利用信号子空间和噪声子空间的正交性，构造空间谱函数，通过谱峰搜索，检测信号的DOA。因为此算法很经典，参考书和源程序在网上都可以搜到。给个地址，欢迎讨论。
1:Steve Kogon在《统计与自适应信号处理》中的程序，
中文版，英文版， 源程序．
2：高星辉的硕士论文，修正MUSIC算法对信号DOA的估计
论文,无修正的线阵算法, 修正的线阵算法．
3：圆阵算法