(完整word版)基于经典MUSIC的DOA估计Matlab仿真

1、信息与通信工程学院阵列信号处理实验报告（基于经典MUSIC的DOA估计Matlab仿真）学号：XXXXXX专业：XXXXXX学生姓名：XXX任课教师：XXX2015年X月题目：基于经典MUSIC的DOA估计Matlab仿真1.算法简述: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。阵列协方差矩阵R可以划分为两个空间，即R=Us&UH+Un»nUN。因导向矩阵的各矢量与噪声子空间正交，可得到阵列1空间谱函数Pmusic(与=-H

2、使日变化，按照Pmusic(日)来搜索峰值来aC)UnUna6达到波达方向的估计值02 .实验内容与结果:实验使用8阵元均匀线阵，阵元间距为信号波长的一半，输入信号为1个BPSK信号，1个非相干的单频干扰，设置载波频率10MHz、采样频率30MHz、快拍数30、信干比0dB、信号方位角0、干扰方位角5,分析信噪比从1到20dB估计均方误差。实验结果见下图。图1信噪比15dB情况下的波束图差误方均差误方均-3X1010.50。角测量24-368101214161820SNR(dB)5。角测量0X1010.502468101214161820SNR(dB)图2不同信噪比测得的均方误差3 .仿真分析

3、由仿真结果可知，在实验前提条件下，经典music算法的DOA估计可有效估计出信号的来向。当信噪比较小时，估计得均方误差较大；随着信噪比的提高，估计均方误差逐渐减小；当信噪比大于10dB以后，角度估计成功率100%°MUSIC算法在DOA估计中属于高精度算法，而算法的估计精度仍受阵元数量、信号角度、信号数量、信号间距、信噪比等影响，本实验仿真分析了一定情况下估计精度与信噪比的关系，得到了预期的实验结果。4 .程序clearall;closeall;clc;%线阵musicDOA%参数设置Signal_No=1;Interference_No=1;S_No=Signal_No+Inter

4、ference_No;sensor_No=8;azimuth=0*pi/1805*pi/180;Fs=30e6;Fc=10e6;F1=8e6;%干扰功率theta=1045529343*pi/180;RB=2e6;M=2;%二进制wavelength=3e8/Fc;d=wavelength/2;K=300;%快拍数%dBPs=-30;SNR=10;SIR=00;M_No=40;%码速率等于信息速率Data_No=M_No*Fs/RB;t=1/Fs:1/Fs:Data_No/Fs;% forxunhuan=1:1% mean1=0;% mean2=0;%forSNR=1:20%功率转换Ps_l=

5、10A(Ps/10)；Pi_l=10A(Ps-SIR)/10);Pn_l=10A(Ps-SNR)/10);%信号生成bit=randint(1,M_No);%产生信息序列bitstream=;fori=1:M_Noifbit(i)=1bitstream=bitstream,ones(1,Fs/RB);elsebitstream=bitstream,-ones(1,Fs/RB);endendCarrier_R=cos(2*pi*Fc*t);S_R=Carrier_R.*bitstream;Carrier=sin(2*pi*Fc*t);S_I=Carrier.*bitstream;Signal_R

6、=sqrt(Ps_l)*S_R/sqrt(S_R*S_R'/length(S_R);Signal=sqrt(Ps_l)*S_I/sqrt(S_I*S_I'/length(S_I);%生成BPSK复信号Signal(1,:)=complex(Signal_R,Signal)；%产生干扰%I_R=sqrt(2*Pi_l)*cos(2*pi*F1*t);%I_I=sqrt(2*Pi_l)*sin(2*pi*F1*t);fori=2:Interference_No+1Signal(i,:)=sqrt(2*Pi_l)*complex(sin(2*pi*F1(i-1)*t+theta(i)

7、,sin(2*pi*F1(i-1)*t+theta(i);end%模拟天线接收As=zeros(sensor_No,S_No);fori=1:sensorNoforii=1:S_NoAs(i,ii)=exp(-1i*2*pi*sin(azimuth(ii)*d/wavelength*(i-1);endendx=As*Signal;%加噪声noise_R=randn(sensor_No,Data_No)*sqrt(Pn_l);noise_I=randn(sensor_No,Data_No)*sqrt(Pn_l);noise=complex(noise_R,noise_I);s=x+noise;x

8、1=s(:,(1:K);R=x1*x1'/K;V,D=eig(R);D1=diag(D);Un=V(:,1:sensor_No-S_No);Gn=Un*Un'searching_doa=-90:0.1:90;%线阵的搜索范围为-9090度fori=1:length(searching_doa)a_theta=exp(-j*(0:sensor_No-1)'*2*pi*d*sin(pi*searching_doa(i)/180)/wavelength);Pmusic(i)=1./abs(a_theta)'*Gn*a_theta);endplot(searching_

9、doa,10*log(Pmusic),'r');xlabel('入射角/degree');ylabel('空间谱/dB');legend('MusicSpectrum');title('经典MUSIC估计');gridon;%查最大值%Pmax_db1=0;%fo门=1:909%ifPmusic(i)>Pmax_db1%Pmax_db1=Pmusic(i);%Pmax_pitching1=i;%end%end%Pmax_db2=0;%fo门=910:1801%ifPmusic(i)>Pmax_db2%Pmax_db2=Pmusic(i);%Pmax_pitching2=i;%end%end%erU(SNR)=(Pmax_pitching1-1)/10-90)A2;%err2(SNR)=(Pmax_pitching2-1)/10-90-5)A2;%end%mean1=mean1+err1;%mean2=mean2+err2;%end%mse1=mean1/1000;%mse2=mean2/1000;%subplot(211);plot(mse1);xlabel('SNR(dB)')%ylabel