在现有的稀疏诱导到达方向（DOA）估计方法中，基于稀疏贝叶斯学习（SBL）的方法已被证明可以提高精度。 但是，当信噪比（SNR）相对较低时，这些方法的学习过程收敛非常缓慢。 在本文中，我们首先表明，独立信号的阵列输出的协方差矢量（协方差矩阵的列）共享与空间信号分布相对应的相同的稀疏度分布图，并且在中等快照数量时其SNR超过原始阵列输出的SNR。被收集。 因此，通过以高计算效率重构那些矢量，可以将SBL技术用于估计独立的窄带/宽带信号的方向。 经过适当修改后，该方法可扩展到窄带相关信号。 还提供了深入分析，以显示新方法在DOA估计精度方面的下限以及在独立信号的情况下可以分离的最大信号数。 仿真结果最终证明了该方法在DOA估计精度和计算效率上的性能。

基于稀疏贝叶斯框架的计算有效宽带DOA估计方法

宽带信号DOA估计代码

宽带信号DOA估计，一致性聚焦

宽带信号DOA估计压缩感知代码

基于四元数的L阵（若想要均匀线阵，只需要改方向矢量矩阵）DOA和极化参数联合估计算法，估计四个参数，有图。

基于分数低阶矩的music算法 ，噪声为aplah稳定分布噪声，探求在非理想噪声环境下的doa估计，希望对广大学者有所帮助

基于互质阵列的相干与非相干目标DOA估计

在本文中，我们研究了利用嵌套阵列的双基地MIMO雷达中多个目标的出发方向（DOD）和到达方向（DOA）的联合估计。 通过在发送和接收阵列中配置2级嵌套阵列，引入了大量虚拟阵列Kong径。 因此，MIMO雷达系统的空间分辨率大大提高。 而且，与传统的均匀线性阵列相比，可识别目标的最大数量被更大程度地扩大。 信号模型是通过利用嵌套数组来制定的。 提出了一种新颖的行提取方法来构造用于联合角度估计的观测数据向量。 仿真结果验证了该理论算法的正确性。

基于稀疏表示的FRFT域相干宽带LFM信号的DOA估计