MUSIC算法学习笔记

最新推荐文章于 2024-08-17 22:17:13 发布

b_frog

最新推荐文章于 2024-08-17 22:17:13 发布

阅读量4.2k

点赞数 1

分类专栏：阵列信号处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/b_frog/article/details/91462472

版权

阵列信号处理专栏收录该内容

2 篇文章 3 订阅

订阅专栏

二、MUSIC算法

适用于远场窄带的不相干信号。

原理：主要是根据特征分解后得到两组正交的特征向量组。且由前L大特征值对应的特征向量张成信号子空间，剩余的特征值对应的特征向量张成噪声子空间。

MUSIC算法可以归纳为：

(1) 计算样本协方差矩阵： $\hat{\mathbf{R}}=\frac{1}{N} \sum_{t=1}^{N} \mathbf{x}(t) \mathbf{x}^{H}(t)$

(2) 进行特征分解: $\widehat{\mathbf{R}}=\widehat{\mathbf{U}}_{s} \widehat{\mathbf{\Sigma}}_{s} \widehat{\mathbf{U}}_{s}^{H}+\widehat{\mathbf{U}}_{n} \widehat{\mathbf{\Sigma}}_{n} \widehat{\mathbf{U}}_{n}^{H}$

(3) 获得噪声子空间估计值: $\widehat{\mathbf{U}}_{n}$

(4) 搜索MUSIC空间谱L个谱峰： $P(\theta)=1 /\left(\mathbf{a}^{H}(\theta) \widehat{\mathbf{U}}_{n} \widehat{\mathbf{U}}_{n}^{H} \mathbf{a}(\theta)\right)$

关注

1
点赞
踩
17

收藏

觉得还不错? 一键收藏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。