music算法matlab
‘壹’ 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。。
‘贰’ 求Root-MUSIC算法matlab源码
root-music是什么东东。
不过你可以去www.mathworks.com的文件共享里搜索一下。
‘叁’ 关于DOA的MUSIC算法 编程
难呀···
‘肆’ 怎么用实际雷达数据仿真MUSIC算法
（1） 不管测向天线阵列形状如何，也不管入射来波入射角的维数如何，假定阵列由M个阵元组成，则阵列输出模型的矩阵形式都可以表示为：Y(t)=AX(t)+N(t)
其中，Y是观测到的阵列输出数据复向量；X是未知的空间信号复向量；N是阵列输出向量中的加性噪声；A是阵列的方向矩阵；此处，A矩阵表达式由图册表示。
MUSIC算法的处理任务就是设法估计出入射到阵列的空间信号的个数D以及空间信号源的强度及其来波方向。
（2） 在实际处理中，Y得到的数据是有限时间段内的有限次数的样本（也称快拍或快摄），在这段时间内，假定来波方向不发生变化，且噪声为与信号不相关的白噪声，则定义阵列输出信号的二阶矩：Ry。
（3） MUSIC算法的核心就是对Ry进行特征值分解，利用特征向量构建两个正交的子空间，即信号子空间和噪声子空间。对Ry进行特征分解，即是使得图册中的公式成立。
（4） U是非负定的厄米特矩阵，所以特征分解得到的特征值均为非负实数，有D个大的特征值和M-D个小的特征值，大特征值对应的特征向量组成的空间Us为信号子空间，小特征值对应的特征向量组成的空间Un为噪声子空间。
（5） 将噪声特征向量作为列向量，组成噪声特征矩阵 ，并张成M-D维的噪声子空间Un，噪声子空间与信号子空间正交。而Us的列空间向量恰与信号子空间重合，所以Us的列向量与噪声子空间也是正交的，由此，可以构造空间谱函数。
（6） 在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计值。
‘伍’ 急，谁有空间谱估计MUSIC算法MATALB
clc
clear all
tic
% ---------------------------参数初始化------------------------------------
M=8; % 阵元数目
L=1024; % 信号长度/快拍数
N=3; % 信号源
lam=0.15; % 信号波长
d=1/2*lam; % 阵元间距
w=[pi/6 pi/9 pi/3]'; % 信号频率
angle=[pi/4 pi/6 pi/9]; % 信号入射角度
% ---------------------------信号模型--------------------------------------
A1=exp(-j*2*pi/lam*([0:M-1]*d)*sin(angle(1)))'; % 导向向量
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))]; % 构造输入信号矢量
X=A*S+randn(8,L)+j*randn(8,L); % 加噪声
% ---------------------------角度估计--------------------------------------
R=X*X'/L; % 协方差矩阵
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); % 奇异值分解
[lambda,index] = sort((diag(D))); % 特征值排序
UU=V(:,index(1:N)); % 噪声子空间
theta=-pi/2:.001:pi/2; % ULA估计角度变化的范围和频率选择 小步进0.001
for i = 1:length(theta) % 角度估计
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); % 角谱
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
这是线阵的MUSIC谱估计算法。希望能帮助你。
‘陆’ 请问用matlab做数据处理，需要数据加窗函数的music算法怎么做，出图是功率谱的
n=0:0.1:200;%设定信号时间长度为0到200秒，采样间隔0.1，则采内样频率为10HZ，点数2001
y=sin(2*pi*0.2*n)+sin(2*0.213*n);
Y=fft(y);%FFTPyy=Y.*conj(Y)/2000;%信号功率谱f=10*(0:1000)/2000;%计算横容轴频率值figure(1)subplot(2,1,1),plot(n,y),title('信号'),xlabel('时间(S)')subplot(2,1,2),plot(f,Pyy(1:1001)),title('信号功率谱'),xlabel('频率(Hz)')
‘柒’ matlab编程问题：ARMA和MUSIC
主要问题包括：
1、变量x未定义。
2、函数MUSIC里面：
S=[S(257:512)S(1:256)];
应为
S=[S(257:512)S(1:256)];
另外，clearR未定义，不知道干什么用的，可以直接删掉。
3、函数ARMA里面，调用的Burg未定义。
‘捌’ 帮我这个Matlab的MUSIC算法程序怎么改才能运行
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;
%计算 zn
for n=1:sample-1
zn(1)=un(1);
zn(n+1)=-a1*zn(n)+un(n+1);
end
%计算 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('人工计算music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('人工计算esprit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。