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。

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。

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。

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

阵列信号处理技术在远场信号DOA的估计方面的研究成为热点。本文就四种经典的DOA估计算法：MUSIC算法、ESPRIT算法、TLS-ESPRIT算法和Toeplitz矩阵重构算法进行对比研究，目的是为工程实现算法的选择提供了一个参考的理论依据。就笔者所知，对这4种算法性能比较分析的公开报道较少。通过MATLAB软件仿真的方法，分析了各算法的优缺点，并总结出各算法适用范围和其理论依据。

针对二维 ESPRIT算法在求解相干信号的时候存在较大的阵列冗余度,为了降低计算量,提高算法的解相干 能力,在双排平行均匀线阵的基础上,介绍了一种二维修正 ESPRIT算法。通过对子阵的合并,摒弃了原协方差矩阵 中的冗余数据,使得新构成的协方差矩阵的维数比原来下降了近33%,从而降低了特征值分解的维数,并且新构成 的协方差矩阵可以对接收数据进行共轭重排再利用。理论分析和仿真实验表明,该算法降低了计算量,提高了对非 相干信号的估计准确度,同时具有一定的解相干能力。

最大似然波达方向(DOA)估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足"预估分布"的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。