多重信号分类(MUSIC)算法

一.引言
多重信号分类（MUSIC）算法是 Schmidt RO等人在 1979 年提出的。这一算法的提出开创了空间谱估计算法研究的新时代，促进了特征结构类算法的兴起和发展，该算法已成为空间谱估计理论体系中的标志性算法。MUSIC算法的基本思想则是将任意阵列输出数据的协方差矩阵进行特征分解，从而得到与信号分量相对应的信号子空间和与信号分量相正交的噪声子空间，然后利用这两个子空间的正交性来估计信号的参数（入射方向、极化信息及信号强度等）。 下面简单推导一下MUSIC算法。
二.推导过程
窄带远场信号的DOA数学模型为(这部分内容读者可以参考有关阵列信号处理方面的书籍资料) 阵列数据的协方差矩阵为 由于信号与噪声相互独立，数据协方差矩阵可分解为与信号、噪声相关的两部分，其中Rs是信号的协方差矩阵，ARsAH是信号部分。 对R进行特征分解有 式中，Us是由大特征值对应的特征矢量张成的子空间也即信号子空间，而

多重信号分类(MUSIC)算法最先出现在Python成神之路。