数字信号处理中一种处理信号的重要方法，music算法，频率估计的多重信号分类。利用信号子空间和噪声子空间正交性，构造空间谱函数。

在传统声压传感器阵列的求根MUSIC算法的基础上,提出了基于矢量传感器阵列的求根MUSIC算法及其修正形式,通过接收阵列信号的空间谱,选择合适的引导方位,可实现声源的波达方向(DOA)估计。理论推导和仿真实验表明,采用均匀矢量传感器线性阵列的求根MUSIC算法在低信噪比、小快拍数情况下的估计性能要优于传统声压传感器阵列的求根MUSIC算法,同时该算法的计算量远远小于矢量传感器列的MUSIC算法。

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。

针对二维多重信号分类算法可以估计出系统的到达时间(TOA,time-of-arrival)和波达方向(DOA,direction-of-arrival)参数，但需要复杂度非常高的二维谱峰搜索这一问题，提出了IR-UWB系统中基于求根MUSIC(root-MUSIC)的TOA和DOA联合估计算法，该算法对接收信号的频域形式建模，先估计出TOA，然后由TOA的差值计算出DOA，从而实现TOA和DOA的联合估计。该算法不需谱峰搜索，可直接给出估计参数的闭式解，还可实现参数配对。还推导了参数估计的误差方差。仿真结果表明，该算法的参数估计性能明显优于矩阵束算法、传播算子算法以及基于旋转不变技术估计信号参数算法，并且非常接近于2D-MUSIC算法，但该算法的复杂度却远远低于2D-MUSIC算法。

DOA估计MUSIC算法Matlab仿真文件 ，亲自检测，可生成谱估计图像，希望对大家有帮助

提出了一类适用于Alpha稳定分布随机变量的统计量—类M估计相关(MELC),通过构造阵列输出的类M估计相关矩阵,提出了适用于Alpha稳定分布噪声环境下的波达方向(DOA)估计新算法,即MELC-MUSIC算法。仿真实验表明,在Alpha稳定分布噪声环境下,MELC-MUSIC算法在抗噪声特性、多源信号分辨性以及对不同形式信号(圆对称信号或非圆对称信号)的适应性方面获得比基于分数低阶统计量(FLOS)的MUSIC方法更好的估计性能。

DOA估计：基于一维线阵的MUSIC算法

基于天线阵列协方差矩阵的特征分解类DOA估计算法中，多重信号分类（MUSIC）算法具有普遍适用性，只要已知天线阵的分布形式，无论直线阵还是圆阵，不管阵元是否等间隔分布，都可以得到高分辨率的估计结果。

无损检测中结合时间反转的music成像算法。通过格林函数构造传递函数，对换能器所得散射信号进行处理，对损伤位置（二次波源）进行成像。

基于经典music算法及其修正算法的DOA估计以及性能仿真