This is for DOA estimation,and its easier than traditional MUSIC algrithom
2022-06-23 19:41:24
1KB
1
一个16元标准线列阵沿z轴布放的波束图生成以及阵列以10°为间隔从30°到90°对空间进行扫描的波束图变化；在线列阵总长度一定的情况下阵元间距对波束响应的影响！(这里L=Md，导致阵元数目和阵元间距一起变化)、阵元间距对波束响应的影响！（阵元数目不变、阵元间距变化d_lamda=1/2;d_lamda=1/3;）；进行DOA估计的两种超分辨方法（通过各阵元输出进行加权求和，在一时间内将阵列波束“导向”到一个方向上，对期望信号得到最大输出功率的导向位置就是波达方向估计值）：MVDR(Capon)：使得输出功率和信号方差达到最小，同时观测方向上的增益达到最大，来自期望方向的信号功率不变、MUSIC：多信号分类算法(Multiple Signal classification),MUSIC算法的基本思想则为将任意阵列输出数据的协方差矩阵进行特征分解，从而得到与信号分量相对应的信号子空间和信号分量相正交的噪声子空间，然后利用这两个子空间的正交性来估计信号的入射方向。
2022-06-17 19:03:36
11KB
【资源内容介绍】：
【1】构建多目标非相干信源阵列信号模型（ULA阵列）；
【2】MUSIC估计算法；
【3】最小二范数谱估计；
【适应对象】：
雷达专业、阵列信号处理专业学生；
【资源特点】：
编程规范，注释明细；
【使用建议】：
此资源为较基础的空域信号处理算法，建议结合算法的理论知识，了解代码实现的技巧和过程。
【关于售后】：
如果对代码有不理解的地方，可以在CSDN平台私信我，有时间都会回复。
感谢支持！
2022-06-09 09:04:22
80KB
【资源内容介绍】：
【1】构建多目标相干信源阵列信号模型（一维ULA阵列）；
【2】经典MUSIC估计算法；
【3】MEVD+MUSIC估计算法；
【适应对象】：
雷达专业、阵列信号处理专业学生；
【资源特点】：
编程规范，注释明细；
【使用建议】：
此资源为较基础的空域信号处理算法，建议结合算法的理论知识，了解代码实现的技巧和过程。
【关于售后】：
如果对代码有不理解的地方，可以在CSDN平台私信我，有时间都会回复。
【购买前建议】：
此算法主要参考文献：
[1]张薇. 基于矩阵重构的相干信源波达方向估计算法研究[D].哈尔滨工业大学,2021.
的3.2小节；可提前了解算法本身，确认是否有此需求。
感谢支持！
2022-06-04 10:02:39
351KB
【资源内容介绍】：
【1】构建多目标相干信源阵列信号模型（一维ULA阵列）；
【2】经典MUSIC超分辨谱估计算法；
【3】前向平滑技术+MUSIC；
【4】后向平滑技术+MUSIC；
【5】前后双向平滑技术+MUSIC；
【适应对象】：
雷达专业、阵列信号处理专业学生；
【资源特点】：
编程规范，注释明细；
【使用建议】：
此资源为较基础的空域信号处理算法，建议结合算法的理论知识，了解代码实现的技巧和过程。
【关于售后】：
如果对代码有不理解的地方，可以在CSDN平台私信我，有时间都会回复。
感谢支持！
2022-06-04 09:03:40
254KB
采用Music法进行7阵元ULA线阵波达方向估计时，已知：中心波长为λ ，阵元间距为 λ/2，两对不同的波达角分别为3° ，两个等幅信源信号为 ，不相关， ，噪声方差σ=0.1 。用MATLAB进行计算
2022-05-29 22:55:29
146KB
1
MUSIC算法是一种基于子空间分解的算法，它利用信号子空间和噪声子空间的正交性，构建空间谱函数，通过谱峰搜索，估计信号的参数。对于声源定位来说，需要估计信号的DOA。MUSIC算法对DOA的估计有很高的分辨率，且对麦克风阵列的形状没有特殊要求，因此应用十分广泛。雷达系统课大作业，经典MUSIC算法MATLAB仿真，带详细注释。可以直接使用。MATLAB阵列信号处理，DOA估计，MATLAB信号处理，信息工程专业，通信专业等学科学习的例程，经典仿真案例，学习入门必备。
2022-05-26 19:08:28
3KB
matlab加噪声代码来源数量未知的PCA和MUSIC算法的贝叶斯推断
给定Y
=
VA
+
Z，如何在不过度拟合的情况下最佳估计V，A的未知维？
对于流行的PCA模型，这是50年前的挑战（例如，因子分析，降维等）
第一次，我通过贝叶斯方法中的最大后验（MAP）估计（即，估计速度快，且具有线性复杂度）找到了针对该挑战的封闭式解决方案。
为了解决这个问题，我最终在附录中得出了全新的概率分布（即Double-gamma和Double-inverse-gamma分布）。
在仿真中，我们发现SNR
=
-10（dB）是对独立信号源进行准确估算（即，不过度拟合）的极限。
通过中心极限定理，我们知道三个标准差是所有平均随机变量的极值。
因此，可以通过信号加噪声百分比\
tau（Y）（即SNR>
-10（dB）<=>
\
tau（Y）<90>
-10（dB）<=>“噪声偏差<3
*源的偏差”
PS：我们将MAP方法与标准MATLAB软件包（音乐和aictest）进行了比较。
代码中的所有内容都应该清楚。
非常欢迎所有反馈！
参考：
V
2022-05-17 17:10:43
10.04MB
1