• 大小: 2KB
    文件类型: .m
    金币: 1
    下载: 0 次
    发布日期: 2022-02-20
  • 语言: Matlab
  • 标签: 相干源  DOA估计  

资源简介

当接收的信号源是部分相干或者全部相干的时候,信号源协方差矩阵会出现亏秩的情况,进而导致阵列接收数据协方差矩阵出现缩维的情况,所以基于数据协方差矩阵特征分解的子空间类算法性能会变得很差。于是,对于相干源的解相干技术就变得很重要,主要的解相干方法包括:空间平滑方法、基于奇异值分解的方法和基于信号特征矢量的方法。

资源截图

代码片段和文件信息

%实现算法:信号特征矢量重排法(算法作者:叶中付)
%程序作者:章希睿
%编写日期:2010年10月12日
%文件名称:eigenvectorrearrange.m
%算法简要说明:该算法是针对相干信号源提出的一种解相干方法,其实现步骤如下:
%1.采取N阵元均匀直线标量阵列获取M个相干信号源,假设信号源全部相干(M%2.求阵列接收数据的最大似然协方差矩阵Rx,并进行特征值分解,确定特征矢量的个数,进而得到重排矩阵的维数L;
%3.根据特征矢量重排的法则确定重排矩阵Rr;
%4.采取MUSIC算法实现信号源数和DOA的估计(进行100次独立实验)。

%------clear&clear------%
clc;
clear all;

%------确定均匀直线标量阵列和信号的相关参数------%
K=100;
N=12;
lamda=1;
d=0.5*lamda;
SNR=10;
Ps=1;
Pn=Ps/10^(0.1*SNR);
theta=[520255070]*(pi/180);
M=length(theta);
for trial=1:100
    
%------产生全部相干的信号源------%
Sk=sqrt(Ps/2)*(randn(1K)+1i*randn(1K));
Nk=sqrt(Pn/2)*(randn(NK)+1i*randn(NK));

%------明确阵列的导向矢量矩阵------%
a1=exp(-1i*2*pi*d*[0:N-1]‘*sin(theta(1))/lamda);
a2=exp(-1i*2*pi*d*[0:N-1]‘*sin(theta(2))/lamda);
a3=exp(-1i*2*pi*d*[0:N-1]‘*sin(theta(3))/lamda);
a4=exp(-1i*2*pi*d*[0:N-1]‘*sin(theta(4))/lamda);
a5=exp(-1i*2*pi*d*[0:N-1]‘*sin(theta(5))/lamda);
A=[a1a2a3a4a5];

%------明确阵列接收数据和数据协方差矩阵,并进行特征分解----

评论

共有 条评论