利用MATLAB实现了基于互质阵的DOA估计，相比于传统的DOA算法，基于互质阵的DOA估计能够实现自由度的扩展，提高分辨能力

一阶前向预测的DOA估计算法MATLAB程序，编译通过。

基于FFT的自适应二维DOA估计，适用于任意阵列结构

针对基于L1 范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1 范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1 范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.

利用延迟相加法对波达方向进行估计，简明清晰，适用于初学者

同信道干扰是通信系统中普遍存在的问题，这将导致到达方向（DOA）估计的恶化。 为了解决这个问题，提出了一种适用于均匀圆形阵列（UCA）的分数阶低阶循环MUSIC方法。 所提出的方法可以消除相同频带内的脉冲噪声和干扰，并且在高斯噪声中也能很好地表现出来。 特别地，该算法可以应用于窄信号模型或宽带信号模型。 仿真结果强烈验证了该方法的高性能。

现有的DOA估计算法都是基于较为理想的模型提出的,在实际工程中,这些算法的性能受快拍数少、阵列误差的影响会严重恶化.针对这一问题,文中提出一种稳健的未知信源数目的DOA估计算法.该算法先利用投影变换技术对阵列接收数据进行预处理,抑制模型误差并降低数据维数,从而提高算法的稳健性并减少计算量,然后根据变换后的m-Capon算法空间谱函数估计DOA.仿真结果表明:该方法在快拍数少、系统误差不大(小于10%)的情况下依然具有一定的方位“超分辨”能力,而且有较强的稳健性,性能远优于现有的MUSIC算法和对角加载m-

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