4.1　引言

陣列信號處理的另一個基本問題是空間信號DOA的估計，也是雷達、聲納等許多領域的重要任務之一[1-52]。利用陣列天線對DOA估計的方法主要有ARMA譜分析、最大似然法、熵譜分析法和特征分解法等。其中，基于特征分解的子空間算法主要有以下幾種。

1979年Schmidt提出MUSIC算法[8]，這是DOA估計理論發展史上一次質的飛躍。其核心原理為以信號子空間與噪聲子空間的正交性為基礎，劃分空間來進行參數估計。其后，Barabell又提出了一維Root-MUSIC算法，減小了MUSIC算法的計算量。針對MUSIC算法的不足，后來又出現了改進的MUSIC算法[10]、子空間迭代的快速算法及一些去相關的空間平滑技術等。

1986年Roy等人提出了ESPRIT算法[11]，此算法建立在子空間旋轉不變技術的基礎上，不需要全空間搜索，減少了運算量，另外又有一些快速算法為實時實現超分辨方位估計開辟了前景。為了能夠實現對二維方向的估計，經過改進原算法又提出了二維ESPRIT[12]算法。這些都為以后的實際應用鋪平了道路。

1991年Ottersten和Viberg提出的加權子空間擬合（Weight Subspace Fiting，WSF）算法[13]，將各種不同的方位估計方法用統一的算法結構聯系起來，使其協方差矩陣的估計誤差達到最小。這種算法本身能解相干源，精度高，分辨能力強，引起了人們的普遍關注。但是，WSF算法運算量很大，尤其是WSF算法對所設參數有較高要求，少量的誤差會導致算法的失敗。

最初的超分辨算法都是基于窄帶信號源的假設提出的，而在雷達處理系統中，陣列接收到的信號往往是寬帶的。對寬帶信號DOA估計包括非相干信號子空間處理方法[14]和相干信號子空間法（Coherent Signal Subspace Method，CSM）等。