music算法程序

Ⅰ 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。

Ⅱ music算法的详细内容

MUSIC算法是空间谱估计测向理论的重要基石。算法原理 如下：
（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。