考虑阵列信号中信源数目估计问题，根据阵列信号协方差矩阵特征值的大小分布状态，判断出信源数目。天线单元数量M=30，信源数量K=3，快拍数为1，信源的波达方向[10, 30, 60],高斯色噪声由AR模型产生，AR模型参数为[1.0, 0.5, 0.7]，每组实验采用 200 次蒙特卡洛实验的平均值作为最终结果, 计算不同信噪比SNR=[0:5:30]下算法估计信源数的准确率，给出matlab代码

以下是MATLAB代码：

clear all;
clc;

%设置参数
M = 30; %天线单元数目
K = 3; %信源数
d = 0.5; %天线元之间的距离
snr = 0:5:30; %信噪比
theta = [10 30 60]; %信源的波达方向
ar = [1.0, 0.5, 0.7]; %AR模型参数
Ns = 200; %蒙特卡洛实验次数

results = zeros(length(snr), Ns); %初始化结果矩阵

for i = 1:length(snr)
for j = 1:Ns
noise = sqrt(0.5)*randn(M,1)+0.5i*randn(M,1); %高斯色噪声
s = exp(-1i*(2*pi*d*(0:M-1)'*sind(theta))); %生成信源
x = s*diag(1./sqrt(diag(s'*s)))*arfilter(ar,1,noise); %根据AR模型产生接收信号
R = x*x'/M; %计算接收信号的样本协方差矩阵
lambda = eig(R); %计算协方差矩阵的特征值
lambda = sort(lambda,'descend');
alpha = sum(lambda(K+1:end))/sum(lambda); %计算alpha值
if alpha >= 1.5
results(i,j) = K+1;
else
results(i,j) = K;
end
end
end

accuracy = zeros(length(snr),1); %初始化准确率矩阵

%计算准确率
for i = 1:length(snr)
count = sum(results(i,:) == K);
accuracy(i) = count/Ns;
end

%绘制结果图
figure;
plot(snr,accuracy,'o-');
grid on;
xlabel('Signal to Noise Ratio (dB)');
ylabel('Accuracy');
title('K estimation using subspace-based methods');