信源估计
-
基于AIC信息准则的信源数量估计算法的MATLAB实现与性能分析系统
本项目提供完整的MATLAB实现，利用Akaike信息准则(AIC)进行信源数量估计。系统处理阵列接收信号，通过协方差矩阵特征值分解，自动确定最优信源数目，并包含数据预处理与分析功能。 -
基于特征值的AIC与MDL信源数估计算法
本项目实现了基于信息论准则的信源数量检测算法，涵盖了AIC（赤池信息准则）和MDL（最小描述长度）两种核心方法。算法以传感器阵列接收信号协方差矩阵的特征值为主要输入，利用信号子空间特征值大于噪声子空间特征值的物理特性进行建模。在实现过程中，程序通过构建似然比函数来描述特征值的分布规律，并引入不同的惩罚项来修正模型复杂度对估计精度的影响。AIC准则通过固定惩罚因子在小样本下提供灵敏的检测效果，而MDL准则通过对数级惩罚因子在大样本条件下确保了估计的一致性和稳健性。该项目能够有效解决雷达、声呐以及移动通信系统 -
AIC与MDL信源数目估计仿真系统
本项目专注于在MATLAB环境中实现针对远场窄带入射信号的高精度信源数目估计。系统首先构建均匀线阵（ULA）或其他阵列结构的接收信号模型，模拟在加性高斯白噪声背景下的多信源入射场景。核心处理模块实现了经典的特征结构子空间方法，通过对接收数据采样协方差矩阵进行特征值分解（EVD），获取排序后的特征值序列。在此基础上，项目详细编码了Akaike信息准则（AIC）和最小描述长度准则（MDL）两种关键算法。功能涵盖了计算不同假设信源数下的AIC和MDL准则函数值，并通过搜索函数最小值点自动判定真实的信源数量。此外，项目还包含一个完善的性能分析模块，能够进行大规模蒙特卡洛仿真实验，量化并对比AIC与MDL算法在不同信噪比（SNR）、不同数据快拍数（Snapshots）以及不同阵列孔径条件下的检测概率和估计误差，从而验证其在理想及非理想环境下的鲁棒性和准确度。
