music算法频谱估计

才用mucic方法的白噪声频率检测仿真本试验提供了一种使用MUSIC方法的白噪声中一个正弦信号和M 个正弦信号的特征分解频率估计的仿真试验，并讨论了虚假峰的成因并给出了实验证明。

clear all;
close all;
clc;
j=sqrt（-1）;
seita=[103053]‘;
N=size（seita1）;    %求出信号个数
M=11;               %阵子个数
kp=1000;             
lmda=0.24;          %信号波长  
d=0.12;             %阵子的间距
jthresh=1000;       %给出一个比较的较大值
jdbeg=1;
jdend=180;
jdnum=180;
a9=20;
% for m=1:M
%     for n=1:N
%         A（mn）=exp（j*2*pi*（m-1）*（d/lmda）*sin（seita（n）*pi/180））;
%     end
% end

a1=pi/180;
for n=1:N   
    a2=j*pi*sin（seita（n）*a1）;         %导向矩阵赋值
    for m=1:M
        A（mn）=exp（a2*（m-1））;
    end
end

a_jd=zeros（1jdnum）;
drt=（jdend-jdbeg）/（jdnum-1）;
t1=[0:0.005:25];                      %最大快拍5000个
out1=exp（j*2*pi*10*t1）;
out2=exp（j*2*pi*20*t1）;               %信号模型
out3=exp（j*2*pi*50*t1）; 
cd1=100;
cd2=200;
cd3=400;
S（1:）=out1（cd1:cd1+kp-1）;            %构造S矩阵  
S（2:）=out2（cd2:cd2+kp-1）;
S（3:）=out3（cd3:cd3+kp-1）;           
Ds=A*S（:1:kp）;                       %构造出 A*S
ns=norm（Ds‘fro‘）;
cf=10;
for i1=1:jdnum
    i1
    a1=jdbeg+（i1-1）*drt;
    a_jd（1i1）=a1;
    jdpf（1i1）=0;
    for m=1:M
        a（m1）=exp（j*2*pi*（m-1）*（d/lmda）*sin（a1*pi/180））;
    end