多重信号分类（music)算法计算波达角(不同阵元数的比较分析）(matlab)

现有各类子空间DOA测向算法为避免阵列模糊一般要求阵元间距小于半波长,但为获得更好的测向性能又需要较大的阵列尺寸,这需要大量的阵元,提高系统复杂度和成本.为克服这个问题,本文基于多重信号分类(MUSIC)算法提出一种采用半径不同的多口径组合阵列进行DOA测向方法.其中小尺寸阵列能够避免测向模糊问题,同时对空间谱起到平滑作用,从而降低空间谱计算复杂度;而具有较少阵元数目的大尺寸阵列主要用于提高测向算法精度和分辨力.本文给出算法的原理与实现步骤,并对算法精度和分辨力进行了分析和仿真,理论分析和仿真结果表明算法的有效性.

针对来波信号功率不同情形下的波达方向估计问题,构建广义斜投影算子自适应抑制接收数据中非期望方向的接收信号,同时自适应调节空间谱加权系数,平衡强弱信号的空间谱峰。通过干扰抑制和空间谱估计的同步处理,实现信号源波达方向(direction of arrival,DOA)的高分辨估计,且避免弱信号的谱峰被强信号谱峰遮盖的问题。理论分析与仿真表明,所提方法在信号功率不同时,对弱信号的DOA估计具有更强的鲁棒性,可有效地实现对不同方向来波信号的高分辨DOA估计,降低信号功率不同带来的影响。且随着快拍数及信噪比的增加,DOA估计方差逐渐逼近相应的克拉美罗界下限。

在脉冲压缩雷达系统中估计目标波达方向(direction of arrival,DOA)的主要问题之一是:脉压前信号的信噪比低、目标没有在距离域分开;脉压后的信号虽然信噪比得到了改善且目标已按距离分开,但是快拍数却非常有限。为了解决这一矛盾,提出了基于压缩感知的单快拍DOA(single-snap DOA,SSDOA)估计方法。与传统DOA方法相比,该方法具有更高的估计精度和分辨能力,并且能处理相干信号,且无需已知目标数目。仿真表明,本文提出的SSDOA算法在估计精度上和分辨能力上都优于多重信号分类(multiple signal classification,MUSIC)算法,并为雷达系统的实时分析提供了保障。

稀疏表示波达方向（DOA）估计算法具有分辨力高等优点，但是对阵元个数要求高、低信噪比时估计性能恶化严重，不利于在实际系统中应用。为此，提出一种基于实信号特点的稀疏表示波达方向估计算法。首先，建立实值稀疏表示的DOA估计模型，能够将阵元数虚拟加倍；其次，利用正交三角分解对估计模型变型，从而改善低信噪比时的估计性能；最后，利用正交匹配追踪算法得到估计结果。仿真实验结果表明，相对传统稀疏表示算法，具有更低的估计误差和更好的实时性，在实际工程中应用前景广阔。

阵列信号处理中，空间谱估计是其中的重要技术，MUSIC方法是常见的超分布DOA估计技术。

基于SVD分解的二维多任务压缩感知off-grid算法，廖艳苹，付畅，在阵列信号处理领域中，波达方向（DOA）估计作为关键技术已被广泛研究多年。考虑到二维DOA估计的现实意义，如为基站提供准确无盲区

信号波达方向（DOA）估计是传感器阵列信号处理的一个重要组成部分，本书对DOA估计问题研究的发展历程、有关算法进行了比较系统全面的介绍和分析，算得上是一本权威著作，适合作为阵列信号处理学习和研究的入门书籍。

利用music算法(多重信号分类算法)估计信号的波达方向，将多个信号分辨出来.

matlab程序。分别利用Capon和Music算法实现了DOA估计，并且绘出图形比较它们的性能。对于理解这两种算法有很好的帮助！