帮我写一个MATLAB代码，可以验证基于MP分路径的多普勒估计方法的性能

好的，以下是一个基于MP分路径的多普勒估计方法的MATLAB代码示例：

% 生成信号
fs = 1000; % 采样率
t = 0:1/fs:1-1/fs; % 时间向量
f0 = 30; % 基频
x = cos(2*pi*f0*t); % 原始信号

% 加入多普勒效应
fd = 50; % 多普勒频移
v = fd*343/f0; % 目标速度
tau = 2*v*sin(pi/6)/343; % 延迟
n = length(x); % 信号长度
y = [zeros(1,floor(n/2)),x,zeros(1,ceil(n/2))]; % 填充零
y = circshift(y,[0,round(tau*fs)]); % 延迟
y = exp(1j*2*pi*fd*t).*y; % 多普勒效应

% MP分路径多普勒估计
N = 128; % FFT长度
L = 16; % 分块长度
D = 32; % 字典大小
P = 4; % 非零系数个数
K = N/L; % 块数
Y = reshape(y,L,K); % 分块
A = fft(eye(N)); % 字典
X = zeros(N,K); % 稀疏系数矩阵
for k = 1:K
    [X(:,k),~] = OMP(Y(:,k),A,D,P); % OMP算法
end
f = zeros(1,K); % 估计多普勒频移
for k = 1:K
    f(k) = find(X(:,k)~=0,1); % 取第一个非零系数下标
end
f = (f-1)*fs/N; % 转化为频率
fd_hat = mean(f); % 估计多普勒频移

% 显示结果
figure;
plot(t,real(y));
xlabel('时间');
ylabel('幅度');
title('带多普勒效应的信号');
figure;
plot(t,abs(fft(y)));
xlabel('频率');
ylabel('幅度');
title('带多普勒效应的信号频谱');
figure;
plot(t,abs(fftshift(fft(y))));
xlabel('频率');
ylabel('幅度');
title('带多普勒效应的信号频谱(中心化)');
figure;
plot((0:K-1)*L/fs,f);
xlabel('时间');
ylabel('多普勒频移');
title('多普勒频移随时间变化');
fprintf('实际多普勒频移为 %f Hz\n',fd);
fprintf('估计多普勒频移为 %f Hz\n',fd_hat);

这个代码生成一个基于MP分路径的多普勒估计方法的演示。它首先生成一个基频为30 Hz的信号，并在其中加入多普勒效应。然后使用MP分路径算法对信号进行分块，并使用OMP算法对每个分块进行稀疏表示。最后，它估计多普勒频移并显示结果。你可以根据需要调整参数来测试性能。