单快拍下的压缩感知（CS）应用于波达方向（DOA）估计的源程序，采用OMP算法(Single fast photographed compressed sensing (CS) is applied DOA (DOA) estimate of the source, using OMP algorithm)

阵列信号处理是信号处理领域内的一个重要分支，在近些年来得到了迅速发展。波达方向（Direction of Arrival，DOA）估计是阵列信号处理的一个重要的研究领域，在雷达、通信、声纳、地震学等领域都有着广泛的应用前景。在DOA估计的发展过程中，人们对高分辨DOA估计算法一直有很大的研究兴趣，并在这一领域取得了很多重要的进展。本文主要研究经典的多重信号分类（Multiple signal Classification，MUSIC）算法。 本文首先回顾了空间谱估计技术的发展过程及现状，比较详细的介绍了空间谱估计基础和DOA估计模型，研究了DOA估计中的MUSIC算法，给出了MUSIC算法的原理和步骤，并通过一些计算机仿真实验，得出了MUSIC算法的性能分析。最后做了全文总结，归纳了本文所做的工作和结论。

压缩感知应用于波达方向估计算法

doa_mldoa_ML_似然估计DOA_极大似然DOA_似然doa_源码.zip

针对传统基于稀疏贝叶斯学习(sparse bayesian learning, SBL)的波达方向(direction of arrival，DOA)估计算法在低信噪比条件下性能不足的问题，提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解，获得信号的加权子空间，然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解，同时对于网格失配带来的建模误差，将空间域内的离散采样网格点作为动态参数，通过求解一个多项式，利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明，相对于传统SBL算法，该方法具有更好的估计精度和空间分辨率。

C. Qian、L. Huang、M. Cao、HC So 和 J. Xie，“PUMA：用于 DOA 估计的 MODE 的改进实现”，IEEE 航空航天和电子系统汇刊，第一卷。 53号5，第 2128-2139 页，2017 年。 该代码比较了两种算法，即 MODE 和 PUMA，用于 DOA 估计。 它表明 PUMA 和 MODE 是同一优化问题的两种不同求解器，但 PUMA 的效果比 MODE 好得多。 MODE 甚至不适用于单源 DOA。

当误差具有显着的径向分量时，Spectral-MUSIC无法显示两个不同的峰，而Root-MUSIC则不受影响。 Root-MUSIC仅适用于传感器位于统一网格上的ULA和非均匀阵列（NUA）。

在阵列互耦误差存在的前提下，针对多组相干信号源和若干非相干信号源并存的情况，提出了一种对信号源进行准确估计的算法．算法首先估计阵列的互耦参数，并利用此互耦参数对阵列接收数据进行补偿；然后利用 Toeplitz矩阵重构法对相干信号进行解相干；最后利用MUSIC算法估计各个信号源的来波方向(direction of arrival， DOA)．实验结果表明，算法有效解决了互耦的影响，避免了阵列损失，实现了间距很小信源的准确估计．

doa算法比较，对传统和改进的算法提出和使用范围做对比

基于虚拟阵元内插的互质阵目标DOD和DOA联合估计算法