基于压缩感知的二维DOA估计matlab代码

以下是基于压缩感知的二维DOA估计的MATLAB代码示例：

%% 二维DOA估计
clc;
clear;
close all;

%% 参数设置
M = 8; % 阵元数
N = M^2; % 采样点数
lambda = 1; % 波长
d = lambda/2; % 阵元间距
theta1 = 30; % 单信源角度
theta2 = 60; % 单信源角度
theta3 = 90; % 单信源角度
theta4 = 120; % 单信源角度
theta5 = 150; % 单信源角度
theta = [theta1 theta2 theta3 theta4 theta5]; % 信源角度
K = 5; % 信源数
SNR = 10; % 信噪比

%% 构造坐标矩阵
x = linspace(-d*(sqrt(M)-1)/2,d*(sqrt(M)-1)/2,sqrt(N));
y = linspace(-d*(sqrt(M)-1)/2,d*(sqrt(M)-1)/2,sqrt(N));
[X,Y] = meshgrid(x,y);
pos = [X(:),Y(:)];

%% 构造接收信号矩阵
S = zeros(N,K);
for k = 1:K
    S(:,k) = exp(-j*(0:M-1)'*2*pi*d*sin(theta(k)*pi/180)/lambda);
end
A = S*(eye(K)+diag(randn(K,1)))*diag(1./sqrt(sum((eye(K)+diag(randn(K,1)))*S.^2,1)));

%% 添加高斯白噪声
P = A*A'+10^(-SNR/10)*eye(N);
Noise = sqrt(trace(P)/N)*randn(N,1);
Xn = A*S + Noise*ones(1,K);

%% 压缩感知算法
% 构造稀疏矩阵
Phi = randn(M,N);
Phi = Phi*diag(1./sqrt(sum(Phi.^2,1)));
Theta = zeros(N,K);
for k = 1:K
    y = Phi*Xn(:,k);
    Theta(:,k) = OMP(y,Phi,5); % OMP算法
end
% 构造协方差矩阵
Rnn = Noise*Noise';
Rff = zeros(K,K);
for k = 1:K
    Rff(k,k) = norm(A(:,k))^2;
end
% MUSIC算法
tf = 0:0.1:180;
Pmusic = zeros(length(tf),length(tf));
for i = 1:length(tf)
    for j = 1:length(tf)
        a = exp(-j*(0:M-1)'*2*pi*d*(sin(tf(i)*pi/180)*cos(tf(j)*pi/180)+sin(tf(j)*pi/180)*cos(tf(i)*pi/180))/lambda);
        Pmusic(i,j) = 1/norm(a'*inv(Rnn)*a)/norm(a'*inv(Rff)*a);
    end
end
Pmusic(Pmusic<0) = 0;

%% 画图
figure;
subplot(221);
plot(pos(:,1),pos(:,2),'*');
title('阵列布局图');
xlabel('x/m');
ylabel('y/m');
subplot(222);
plot(1:N,Noise);
title('噪声');
xlabel('采样点');
ylabel('幅度');
subplot(223);
contour(tf,tf,Pmusic,[-20 -6],'r');
title('MUSIC谱图');
xlabel('方位角/°');
ylabel('俯仰角/°');
axis([0 180 0 180]);
subplot(224);
plot(theta,'*');
title('实际信源角度');
xlabel('信源编号');
ylabel('角度/°');

该代码包括了阵列布局、信号构造、高斯白噪声添加、压缩感知算法、MUSIC算法以及画图等部分，请根据实际需要进行修改。