1、信息與通信工程學院陣列信號處理實驗報告（基于經典MUSIC的DOA估計Matlab仿真）學號：XXXXXX專業：XXXXXX學生姓名：XXX任課教師：XXX2015年X月題目：基于經典MUSIC的DOA估計Matlab仿真1.算法簡述:基于天線陣列協方差矩陣的特征分解類DOA估計算法中，多重信號分類(MUSIC)算法具有普遍適用性，只要已知天線陣的分布形式，無論直線陣還是圓陣，不管陣元是否等間隔分布，都可以得到高分辨率的估計結果。陣列協方差矩陣R可以劃分為兩個空間，即R=Us&UH+Un»nUN。因導向矩陣的各矢量與噪聲子空間正交，可得到陣列1空間譜函數Pmusic(與=-H

2、使日變化，按照Pmusic(日)來搜索峰值來aC)UnUna6達到波達方向的估計值02 .實驗內容與結果:實驗使用8陣元均勻線陣，陣元間距為信號波長的一半，輸入信號為1個BPSK信號，1個非相干的單頻干擾，設置載波頻率10MHz、采樣頻率30MHz、快拍數30、信干比0dB、信號方位角0、干擾方位角5,分析信噪比從1到20dB估計均方誤差。實驗結果見下圖。圖1信噪比15dB情況下的波束圖差誤方均差誤方均-3X1010.50。角測量24-368101214161820SNR(dB)5。角測量0X1010.502468101214161820SNR(dB)圖2不同信噪比測得的均方誤差3 .仿真分析

3、由仿真結果可知，在實驗前提條件下，經典music算法的DOA估計可有效估計出信號的來向。當信噪比較小時，估計得均方誤差較大；隨著信噪比的提高，估計均方誤差逐漸減小；當信噪比大于10dB以后，角度估計成功率100%°MUSIC算法在DOA估計中屬于高精度算法，而算法的估計精度仍受陣元數量、信號角度、信號數量、信號間距、信噪比等影響，本實驗仿真分析了一定情況下估計精度與信噪比的關系，得到了預期的實驗結果。4 .程序clearall;closeall;clc;%線陣musicDOA%參數設置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;%干擾功率theta=1045529343*pi/180;RB=2e6;M=2;%二進制wavelength=3e8/Fc;d=wavelength/2;K=300;%快拍數%dBPs=-30;SNR=10;SIR=00;M_No=40;%碼速率等于信息速率Data_No=M_No*Fs/RB;t=1/Fs:1/Fs:Data_No/Fs;% forxunhuan=1:1% mean1=0;% mean2=0;%forSNR=1:20%功率轉換Ps_l=

5、10A(Ps/10)；Pi_l=10A(Ps-SIR)/10);Pn_l=10A(Ps-SNR)/10);%信號生成bit=randint(1,M_No);%產生信息序列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復信號Signal(1,:)=complex(Signal_R,Signal)；%產生干擾%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%模擬天線接收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;%加噪聲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;%線陣的搜索范圍為-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('空間譜/dB');legend('MusicSpectrum');title('經典MUSIC估計');gridon;%查最大值%Pmax_db1=0;%fo門=1:909%ifPmusic(i)>Pmax_db1%Pmax_db1=Pmusic(i);%Pmax_pitching1=i;%end%end%Pmax_db2=0;%fo門=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