4.1　引言

阵列信号处理的另一个基本问题是空间信号DOA的估计，也是雷达、声纳等许多领域的重要任务之一[1-52]。利用阵列天线对DOA估计的方法主要有ARMA谱分析、最大似然法、熵谱分析法和特征分解法等。其中，基于特征分解的子空间算法主要有以下几种。

1979年Schmidt提出MUSIC算法[8]，这是DOA估计理论发展史上一次质的飞跃。其核心原理为以信号子空间与噪声子空间的正交性为基础，划分空间来进行参数估计。其后，Barabell又提出了一维Root-MUSIC算法，减小了MUSIC算法的计算量。针对MUSIC算法的不足，后来又出现了改进的MUSIC算法[10]、子空间迭代的快速算法及一些去相关的空间平滑技术等。

1986年Roy等人提出了ESPRIT算法[11]，此算法建立在子空间旋转不变技术的基础上，不需要全空间搜索，减少了运算量，另外又有一些快速算法为实时实现超分辨方位估计开辟了前景。为了能够实现对二维方向的估计，经过改进原算法又提出了二维ESPRIT[12]算法。这些都为以后的实际应用铺平了道路。

1991年Ottersten和Viberg提出的加权子空间拟合（Weight Subspace Fiting，WSF）算法[13]，将各种不同的方位估计方法用统一的算法结构联系起来，使其协方差矩阵的估计误差达到最小。这种算法本身能解相干源，精度高，分辨能力强，引起了人们的普遍关注。但是，WSF算法运算量很大，尤其是WSF算法对所设参数有较高要求，少量的误差会导致算法的失败。

最初的超分辨算法都是基于窄带信号源的假设提出的，而在雷达处理系统中，阵列接收到的信号往往是宽带的。对宽带信号DOA估计包括非相干信号子空间处理方法[14]和相干信号子空间法（Coherent Signal Subspace Method，CSM）等。