4_11_基于压缩感知理论的DOA估计.zip

本程序主要讲解了基于压缩感知理论的DOA估计，程序主要从信号的稀疏，测量矩阵的设计以及重构矩阵来恢复时域信号，该方法通过谱峰搜索进行DOA估计，方法准确，分辨率高，希望能帮助大家。

clc;clear;
%%%%%%%%%%%%%%用Compressive Sensing方法利用估计MIMO雷达的DOA
M=40;                                    %发射阵元个数
N=5;                                     %接收阵元个数
L=256;                                   %快拍数目
K=3;                                     %稀疏度
SNR=0;                                  %信噪比
%f=8.62e12;                               %载波频率
%c=3e8;                                   %传播速度
%lamda=c/f;                               %波长
dt=0.5;                            %发射阵元间距取半个波长
dr=0.5;                            %接收阵元间距取半个波长
%%%%%有3个目标方位2°3°4°
theat0=[-5 1 7];                          %目标与阵列的夹角
%d=[1e9 2e8 3e10];                        %目标距离坐标原点即第一个发射天线的距离
beata=[5 3 2 4];                           %目标的反射系数
Q=length（theat0）;
s0=hadamard（L）;                          %产生一组正交信号
for m=1:M
    s（:m）=s0（:m）;                      %M个发射信号源
end
n=sqrt（10^（-SNR/10）/2）;
for q=1:Q
    a（:q）=exp（-j*2*pi*dt*sin（theat0（q）*pi/180）*[0:M-1]‘）;%发射阵列引导矢量
    b（:q）=exp（-j*2*pi*dr*sin（theat0（q）*pi/180）*[0:N-1]‘）;%接收阵列引导矢量
end

noise=n*randn（NL）+j*n*randn（NL）;        %N个接收通道L次快拍的噪声
r=zeros（NL）;
for q=1:Q
    r=r+beata（q）*b（:q）*a（:q）.‘*s.‘;
end
r=r+noise;                                %接收的信号
rr=reshape（r.‘N*L1）;
%%%%%CS定理
theat=-10:0.1:10;
P=length（theat）;           %将角度空间稀疏化
for p=1:P
    aa（:p）=exp（-j*2*pi*dt*sin（theat（p）*pi/180）*[0:M-1]‘）;      %发射阵列引导矢量
    bb（:p）=exp（-j*2*pi*dr*sin（theat（p）*pi/180）*[0:N-1]‘）;      %接收阵列引导矢量
    psi（:p）=reshape（（bb（:p）*aa（:p）.‘*s.‘）.‘N*L1）;          %稀疏域的基矩阵                   
end

KK=60;
%for n=1:N
phi1=randn（KKN*L）+j*randn（KKN*L）;                             %测量矩阵（高斯分布白噪声）
phi2=randn（KKN*L）+j*randn（KKN*L）;
phi=（phi1+phi2）/2;
T=phi*psi;                                                      %恢复矩阵（测量矩阵*基矩阵）
y=phi*rr;                                                       %获得线性测量
%end

hat_y=zeros（1P）;                          %待重构的谱域（变换域）向量                     
Aug_t=[];                                  %增量矩阵（初始值为空矩阵）
r_n=y;                                     %残差值


for times=1:K;                             %迭代次数（有噪声的情况下该迭代次数为K）
    for col=1:P;                           %恢复矩阵的所有列向量
        product（:col）=abs（T（:col）‘*r_n）;   %恢复矩阵的列向量和残差的投影系数（内积值） 
    end
    [valpos]=max（product）;                %最大投影系数对应的位置
    Aug_t=[Aug_tT（:pos）];                %矩阵扩充
    T（:pos）=zeros（KK1）;                   %选中的列置零（实质上应该去掉，为了简单我把它置零）
    aug_y=（Aug_t‘*Aug_t）^（-1）*Aug_t‘*y;    %最小二乘使残差最小
    r_n=y-Aug_t*aug_y;                     %残差
    pos_array（times）=pos;                  %纪录最大投影系数的位置
end
hat_y（pos_array）=aug_y;                    %重构的谱域向量
hat_x=psi*hat_y.‘;                         %重构得到时域信号
orignal=zeros（P1）;
for q=1:Q
    orignal（theat0（q）*10+101）=beata（q）;
%     orignal（theat0（q）+1）=beata（q）;
end
p=（-P+1）/2:（P-1）/2;
plot（（p）/10abs（hat_y）‘b-‘）;
% plot（p-1abs（hat_y）‘b-‘p-1orignal‘r:‘）;
title（‘压缩感知估计波达角‘）;
legend（‘估

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3604  2020-04-09 09:28  4_11_基于压缩感知理论的DOA估计\doa_cs_zhangjihong.m
     目录           0  2020-03-21 16:01  4_11_基于压缩感知理论的DOA估计\