信号子空间 使用Fortran，C和Python中的Esprit和RootMusic等方法进行一维和整体信号子空间分析 部分基于 核心子空间代码用Fortran 2008编写，并从其他语言（Python，C）中调用。 由于程序是基于Fortran / Python的，因此它们应该可以在几乎从嵌入式到超级计算机的任何平台上编译和运行。 特别是，该程序（Fortran，可选地由C或C ++调用）可在以下编译器中运行： Gfortran（GCC） 英特尔oneAPI（ifort，icc，icpc） 建造 先决条件： Linux： apt install liblapack-dev g++ gcc gfortran cmake Mac： brew install lapack gcc cmake Windows：针对Linux使用或Windows子系统 ctest -S setup.

阵列信号处理技术在远场信号DOA的估计方面的研究成为热点。本文就四种经典的DOA估计算法：MUSIC算法、ESPRIT算法、TLS-ESPRIT算法和Toeplitz矩阵重构算法进行对比研究，目的是为工程实现算法的选择提供了一个参考的理论依据。就笔者所知，对这4种算法性能比较分析的公开报道较少。通过MATLAB软件仿真的方法，分析了各算法的优缺点，并总结出各算法适用范围和其理论依据。

针对二维 ESPRIT算法在求解相干信号的时候存在较大的阵列冗余度,为了降低计算量,提高算法的解相干 能力,在双排平行均匀线阵的基础上,介绍了一种二维修正 ESPRIT算法。通过对子阵的合并,摒弃了原协方差矩阵 中的冗余数据,使得新构成的协方差矩阵的维数比原来下降了近33%,从而降低了特征值分解的维数,并且新构成 的协方差矩阵可以对接收数据进行共轭重排再利用。理论分析和仿真实验表明,该算法降低了计算量,提高了对非 相干信号的估计准确度,同时具有一定的解相干能力。

中文为旋转因子不变法，该类算法包括ESPRIT、MUSIC等等。 其核心思想：基于相位的处理，由于相位=频率*时间差；因此可以测量角度的算法，都可以测量频率

阵列雷达，旋转不变，特征分解，平滑滤波，分辨率

提出改进的快速TLS-ESPRIT（全局最小二乘子空间旋转不变）算法，其在TLS-ESPRIT算法的基础上，通过降低奇异值分解维数，减小了计算量，并对计算结果不产生影响，可高精度地辨识电力系统中任意组合谐波和间谐波的频率、幅值和相位参数信息。在采样间隔10 μs、采样2 000点的实验条件下，用仿真信号（含均方差为1的白噪声）和实际牵引变电站监测信号进行间谐波分析试验，结果表明，该方法具有良好的频率分辨率和抗噪声能力，能够在较短的数据窗内有效地辨识出信号中的主要谐波和间谐波分量，计算误差小于0.5 %；并且算法仅对周期信号敏感，不受频谱泄漏影响，实用性强。

ESPRIT算法进行估计DOA的程序（传统子空间方法一维DOA估计）

主要是阵列信号处理中的ESPRIT算法的讲解，内容详细便于理解。

ESPRIT 算法MATLAB程序，使用ESPRIT算法进行DOA估计

MUSIC算法，ESPRIT算法以及L型阵列中实现MUSIC算法二维估计