OMP_MMV.rar_OMP算法DOA_cs-doa_doa-cs_omp doa_omp DOA估计

%% OMP_MMV funtion % input : Y ： 观测向量； % J ：迭代次数 ； % p : p范数（p>=1）,用来对矩阵某一行进行P norm 约束； % output : hat_y : 重构MMV矢量； % hat_y_norm :对 hat_y 进行 p norm 约束的一维矢量； % 参考文献 ：J. Chen and X. Huo. Theoretical results on sparse representations of multiple-measurement vectors. IEEE Trans. Signal Process.,2006, 54(12): 4634–4643. %% function [hat_y,hat_y_norm] = OMP_MMV(Y,A,J,p) [m,n] = size(A); % 测量矩阵的大小，需要用到变量n,即A的列数 [m,n1] = size(Y); % 需要用到变量n,即Y的列数 Aug_t = []; % 扩充矩阵 R = Y; % 初始余量 hat_y = zeros(n,n1); for times = 1:J; % 迭代次数 for col = 1:n; % 恢复矩阵的所有列向量 product(col) = norm(R'*A(:,col),p); % 恢复矩阵的列向量和残差的投影系数(内积值) end [val,pos] = max(product); % 最大投影系数对应的位置 Aug_t = [Aug_t,A(:,pos)]; % 矩阵扩充 aug_y = (Aug_t'*Aug_t)^(-1)*Aug_t'*Y; % 最小二乘,使残差最小 R = Y-Aug_t*aug_y; % 残差，余量 pos_array(times) = pos; % 记录最大投影系数的位置 end for k=1:J hat_y(pos_array(k),:) = aug_y(k,:); % 重构的向量 end for m=1:n x(m) = norm(hat_y(m,:),p); % 对 hat_y 进行 p norm 约束的一维矢量； end hat_y_norm = x;