到达方向（DOA）估计是阵列信号处理中的重要问题。 针对同时撞击均匀线性阵列（ULA）远场的许多不相关且相干的窄带信号的DOA估计问题，提出了一种有效的空间差分方法。 在所提出的方法中，首先使用常规子空间方法估计不相关源，然后通过利用空间差分技术将它们消除，即，仅相干分量保留在空间差分矩阵中。 最后，通过利用空间差分矩阵来估计剩余的相干信号。 与以前的工作相比，该方法可以提高DOA估计的准确性，并且可以增加可检测信号的最大数目。 理论分析和仿真结果证实了该方法的有效性。

在探讨极化敏感均匀线阵的新盲波达方向（Direction of Arrival, DOA）和极化估计算法之前，有必要对涉及的几个关键概念进行阐述。 极化敏感阵列是一种利用阵列中各个天线单元对信号极化的敏感性来处理信号的阵列系统。极化敏感阵列与传统阵列的不同之处在于，它能够基于信号的极化特征进行信号分解和检测。极化敏感阵列天线可以对具有不同极化特征的信号表现出良好的检测能力，广泛应用于通信、无线电、导航等多个领域。 波达方向（DOA）估计是指确定信号波达方向的过程，这对于雷达、声纳、无线定位等领域至关重要。传统的DOA估计算法如ESPRIT、MUSIC等，都有各自的使用场景和局限性。ESPRIT算法特别适用于均匀线阵，并且能够利用均匀线阵的特性进行参数估计。 接下来，三线性分解是一种信号处理方法，其在ESPRIT和联合近似对角化方法的基础上，能够提供一种概括性的参数估计手段。三线性分解方法在处理具有三线性模型特征的信号时，表现出其独特的优势。 在论文中，作者张小飞和是莺提出了针对极化敏感均匀线阵的一种新的盲DOA和极化估计算法。盲算法指的是不需要或仅需要极少的先验信息即可进行估计的算法。该算法的核心在于对接收信号进行分析，并显示出三线性模型的特性。基于三线性分解，作者建立了一种新的联合估计算法，即极化敏感均匀线阵盲DOA和极化联合估计算法。 算法的性能通过仿真得到验证，结果显示该算法在DOA和极化估计方面具有较好的性能，并且支持小样本情况。这表明算法具有高效性和鲁棒性，尤其适合样本数量有限的情况。 文中还提到的Kruskal关于低阶三线数据分解唯一性的理论基础，为该算法的提出提供了数学支持。在数据模型方面，张小飞和是莺考虑了一个由M个正交偶极子对构成的均匀线阵，阵元间距为半波长，沿着Y轴正半轴均匀排列。该均匀线阵的信号接收模型基于球坐标系，考虑到入射波仅位于YOZ平面，从而简化了模型的复杂度。 极化敏感阵列的接收模型能够进行空域采样并检测目标信号。通过极化矢量的表达式，可以进一步分析信号的极化信息。该模型对于理解算法如何从接收到的信号中提取出DOA和极化特征具有重要意义。 在研究的背景和方法部分，论文提到了当前通信和无线领域中极化敏感阵列的重要性，以及多种DOA和极化估计算法的研究现状。新的算法能够结合极化敏感阵列的优势和三线性分解的特点，为极化敏感均匀线阵的参数估计问题提供了一种新的解决途径。 张小飞和是莺的研究为我们提供了一种新的视角和方法来处理极化敏感均匀线阵的信号，并通过三线性分解技术提出了一种有效的盲DOA和极化估计算法。该算法不仅适用于大规模阵列，同样能够处理小样本情况，具有一定的普适性和应用潜力。随着进一步的研究和仿真验证，这种新算法有望在通信、雷达和无线定位等领域得到广泛应用。

基于随机传感器位置的深度学习DOA估计

空间平滑技术的DOA估计，可以去相关，解决了相干信号问题下DOA 的估计问题

关于克拉美罗下界(CRLB)-及不同DOA估计算法下的方差(性能)对比博文对应的代码，包括.m和.txt两种格式文件。

针对空时互质采样下频率和波达方向（DOA,direction-of-arrival）稀疏联合估计中存在的二维栅格失配问题，提出一种栅格失配目标下的频率和 DOA 联合估计方法。首先对入射信号做空时互质采样，建立虚拟满阵下的二维稀疏恢复模型，然后在以上模型中引入频率栅格失配误差项和角度栅格失配误差项进行二维修正，并给出一种改进的贪婪算法，通过对谱泄露变量联合求解来得到二维栅格失配误差项，最终将栅格失配目标校正到精确位置上。该方法不仅可以提高空频域上的自由度（DOF,degrees of freedom），而且在降低运算量的同时改善了频率和DOA联合估计的精度。仿真结果验证了方法的正确性。

研究了两种典型的空间谱估计方法在水声矢量传感器阵列定向中的应用，推导了空间谱的解析表达式。与标量传感器阵相比，基于矢量传感器阵列空间谱的DOA估计方法对阵列定向性能有明显改善。数值算例证明了这一点。

%基本MUSIC算法的DOA估计 close all clear all clc j=sqrt(-1); M=16; %M表示天线数目 N=400;%快拍次数 L=3; %入射信号的个数 theta=(-90:1:90); %角度的取值范围 fai =(-90:1:90); %角度的取值范围 f=10e6; lamda=3e8/f; d=lamda/2; k=2*pi/lamda; %均匀线阵各天线初始权重

针对干涉阵的波达方向估计，提出一种干涉式悟相估计的盲波达方向估计算法．利用干涉式幅相估计算法的空间谱和模型阶数选择准则获得目标个数和目标方向余弦的粗估计；使用子阵间的相位中心偏移来获得目标方向余弦的精估计．针对干涉阵带来的测角模糊问题，采用双尺度解模糊算法得到高精度且无模糊的目标波达方向估计．该算法是一种盲波达方向估计方法，精度较多重信号分类算法和双尺度旋转不变子空间算法的高．计算机仿真结果和实测数据验证了干涉阵波达方向估计的高精度测角性能和有效性．

《空间谱估计理论与算法》ch5 《阵列信号处理及Matlab实现》ch4 用的求解函数是《空间谱》ch5中的表达形式 可成功运行