是真实方向向量所张成的子空间与除了
阵列输出互相关矩阵的最小多重特征值之外的所有相应特征向量所张成的子空
间是一样的。这三种算法是空间谱估计中最经典的算法。
MUSIC算法估计值接近克拉美罗界算法CRB，对参数的少量偏差不敏感，
更接近实际应用，具有较好的应用前景但需要对参数空间进行搜索，计算量大。
随着信噪比的增加，MUSIC功率谱的峰值越高，估计精度越精确。在阵元数目不
同，其他条件相同的情况下，阵元数目越大，旁瓣干扰越小，DOA估计越精确。
在条件相同的情况下，相邻信号（以50为例）的MUSIC功率谱随着角度的增加而
降低，信号源相关，MUSIC算法失效。色噪声下，MUSIC算法方位估计不准确。
与MUSIC算法相比，ESPRIT算法还降低了计算量和存储量，且避免了参数空
间的搜索，计算量小于MUSIC算法，但是算法数据协方差矩阵中提取噪声方差的
7
f估计，有时会使估计结果变坏，当信号高度相关时估计性能同样会变坏，且对所
设的参数有较高的要求，少量的误差也会导致算法的失败。在ESPRIT算法中随
着信噪比的增加，均方误差越小，DOA估计效果越好。在阵元数目不同，其他条
件相同的情况下，阵元数目越大，均方误差越小，ESPRIT算法的估计精度越高。
在条件相同的情况下，相邻信号（以100为例）的均方差与信噪比关系随着角度
的增加而性能降低。ESPRIT算法对相干信号的DOA估计失效。
而GEESE算法，不仅计算量比较小，而且保证了算法的精度，但当信号高
度相关时性能仍然变坏。在GEESE算法中随着信噪比的增加，均方误差越小，DOA
估计效果越好。在阵元数目不同，其他条件相同的情况下，阵元数目越大，均方
误差越小，GEESE算法的估计精度越高。在条件相同的情况下，相邻信号（以50
为例）的均方差与信噪比关系随着角度的增加而性能降低，GEESE算法对相干信
号的DOA估计失效。
33实验3
331非平稳噪声下，三种算法对DOA估计影响的matlab仿真结果
图34非平稳噪声下MUSIC算法对DOA估计的影响
8
f图35非平稳噪声下ESPRIT算法对DOA估计的影响
图36非平稳噪声下GEESE算法对DOA估计的影响
9
f332色噪声噪声下，三种算法对DOA估计影响的matlab仿真结果
图37色噪声下MUSIC算法对DOA估计的影响
图38色噪声下ESPRIT算法对DOA估计的影响
10
f图39色噪声下GEESE算法对DOA估计的影响
附录1第1题仿真程序
clc
clear
closeall
M1246810
M为接收机个数
N1510
N为射频脉冲数
fori11
Estimatezeros311
figure
forj13
fors
r060
all_err0
forco
11100
ErrormreceiverM5Njs
r
最r