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，以下是一个简单的MATLAB代码，用于验证基于MP分路径的多普勒估计方法的性能：

%% 设置参数
N = 1024; % 信号长度
K = 4; % 信号的非零元素个数
L = 8; % 分路径数
M = L*K; % 观测矩阵大小
SNR = 20; % 信噪比

%% 生成信号
x = zeros(N,1);
pos = randperm(N, K);
x(pos) = randn(K, 1);

%% 生成观测矩阵
Phi = zeros(M, N);
for i=1:L
    pos = (i-1)*K+1:i*K;
    Phi(pos, pos) = eye(K);
end

%% 生成噪声
noise = randn(M,1);
noise = noise/norm(noise)*norm(x)*10^(-SNR/20);

%% 生成观测信号
y = Phi*x + noise;

%% MP分路径多普勒估计
max_iter = 100;
epsilon = 1e-6;
A = Phi;
z = y;
x_est = zeros(N, 1);
for iter=1:max_iter
    x_old = x_est;
    r = A'*z;
    pos = abs(r) == max(abs(r));
    pos = pos & (abs(x_est) < epsilon);
    if sum(pos) == 0
        break;
    end
    supp = find(pos);
    A_tilde = A(:, supp);
    x_tilde = A_tilde \ y;
    r_tilde = y - A_tilde*x_tilde;
    z = A'*r_tilde;
    x_est(supp) = x_tilde;
end

%% 显示结果
figure;
subplot(2,1,1);
stem(x);
title('原始信号');
subplot(2,1,2);
stem(x_est);
title('估计信号');

这个代码生成长度为N的稀疏信号x，然后使用L个分路径的观测矩阵Phi对信号进行观测。然后，添加噪声并使用MP分路径多普勒估计方法对信号进行重构。最后，显示原始信号和估计信号的结果。

你可以尝试在代码中更改参数来验证不同情况下的性能。