搜索资源列表
music_circle
- 均匀圆阵仿真:m=8 阵元数 azimuth=[-55 0 40] 方位角 p=length(azimuth) 信号源个数 snap=1000 最大快拍数 drl=0.5 圆阵半径与波长之比 snr=15 信噪比dB 流程：1、构造信号2、构造噪声阵列流型矩阵3、观测信号4、观测信号协方差矩阵5、求解特征值与特征向量6、显示图谱。-The uniform circular array simulation: m = 8 element azimuth = [-55 0 40] azim
music(doa)
- 七单元天线阵MUSIC DOA估计： d=1 ， 天线阵元的间距； lma=2， 信号中心波长； 四输入信号； A=[A1,A2,A3,A4]， 得出A矩； 四信号的频率d=[1.3*cos(v1*n) 1*sin(v2*n) 1*sin(v3*n) 1*sin(v4*n)] 构造输入信号矢量 U=A*d 总的输入信号 总输入信号的协方差矩阵 [s,h]=eig(c) 求协方差的特征矢量及特征值 取出与零特征
Beamform-ing-Algorithm
- 提出一种基于直接数据域最小二乘方法的自适应多波束形成算法,包括前向计算、后向计算和前- 后向计算。利用天线阵元输出复电压的单快拍数据构建矩阵方程,采用共轭梯度法求解得到阵列的自适应权值向 量,从而在所有期望信号方向形成接收波束,同时在各干扰方向形成深零陷,使信干噪比显著提高。由于只需对单 快拍数据进行处理,并且避免了样本协方差矩阵的构造及矩阵求逆运算,故计算复杂度较传统算法低。-An adap tive multip le beamforming algorithm based on
DCTlicheng
- 研究表明，构成K一L变换矩阵的向量也就是ToePhtz矩阵的特征向量。与此同时，离散 余弦变换矩阵逼近于ToePutz矩阵的特征向量矩阵，所以离散余弦变换矩阵与自然图像的 K一L变换矩阵十分相似。经过离散余弦变换后的变换系数块的协方差矩阵Cy非常接近对角 阵，即除了对角线元素以外，其它很多元素都近似为0，并且在左上角集中了主要能量。这 反映了自然图像大部分区域变化不大，亮度突变只占少数，即图像能量以低频成分为主的特 性。通过变换后的量化，舍弃对视觉效果影响较小的次要信息，可达
pca
- PCA主成分分析，是一种常用的基于变量协方差矩 阵对信息进行处理、压缩和抽提的有效方 法。 -PCA principal component analysis, is a common and effective method is based on the covariance matrix of variable information processing, compression and extracted.
danzhenyuan_1
- 单阵元估计目标速度或者加速度，调用杂波协方差矩阵，傅里叶变换得出频谱函数-Single picket estimated target velocity or acceleration, call the clutter covariance matrix, Fourier transform spectrum function draw
DOA
- 信号特征矢量重排法 算法简要说明：该算法是针对相干信号源提出的一种解相干方法，其实现步骤如下： 1.采取N阵元均匀直线标量阵列获取M个相干信号源，假设信号源全部相干（M<N）； 2.求阵列接收数据的最大似然协方差矩阵Rx，并进行特征值分解，确定特征矢量的个数，进而得到重排矩阵的维数L； 3.根据特征矢量重排的法则确定重排矩阵Rr； 4.采取MUSIC算法实现信号源数和DOA的估计（进行100次独立实验）。-Feature vector signal rearr
Mahalanobis
- 马氏距离是一种有效地计算两个样本集之间相似度的算法（数据之间协方差距离），与欧式距离相比，它考虑了各种特征之间的联系。本实验旨在通过给出的样本数据，设计一个最小马氏距离分类器并对测试点进行分类，然后将其与最小欧式距离分类器进行比较，实验得出当协方差矩阵为单位阵时，最小马氏距离分类器将与最小欧式距离分类器等价。-Markov distance is an effective method to compute the similarity between the two samples (data
music
- MUSIC 算法MATLAB仿真源代码 clc clear all format long %将数据显示为长整型科学计数 N=200;%快拍数 doa=[20 60]/180*pi; %信号到达角 w=[pi/4 pi/3]';%信号频率 M=10;%阵元数 P=length(w); %信号个数 lambda=150;%波长 d=lambda/2;%阵元间距 snr=20;%信噪比 B=zeros(P,M); %创建一个P行M列的0矩阵 for k=1:P B