DOA估计发展概述波达方向估计问题由来已久，早期研究者们提出了基于幅度测量的DOA估计方法，但是这种方法更适用于长时间持续信号，该方法利用系统本身的机械转动进行阵列波束扫描，其中又可细分为最大信号测向法和最小信号测向法，前者测向距离远但是精度较低，后者的特点是测向精度较高但同时有测向距离近的缺点。另一类基于相位的DOA估计方法则更适用于短时间持续信号，为了实现对信源到达相位差的估计，这种方法需要采用天线阵列（两个以上）。不过上述两种方法都存在显著的缺点，即受到瑞利极限的限制，并且从此两种方法的原理来看，瑞利极限不能通过对这两种方法的优化进行消除。因此为了突破瑞利限，自80年代以来，研究者深入研究了基于特征分解的超分辨率空间谱估计算法，并陆续提出了一系列灵活高效的超分辨率DOA估计方法。其中比较知名的超分辨率DOA估计方法有MUSIC方法、ESPRIT方法、SVD方法、WSF方法等[11-12]。其中又以MUSIC算法和旋转不变子空间（Estimation Signal Parameters via Rotational Invariance Technique，ESPRIT）算法为超分辨率DOA估计方法的代表。其中MUSIC算法是基于信号子空间和噪声子空间的正交性，ESPRIT算法是基于信号子空间的旋转不变性，但是后者虽然相对而言运算量较小，角度分辨率也很高但是它需要有特殊的阵列结构作为支撑，这一特性限制了ESPRIT算法的适用范围，而MUSIC算法因为具有很好的角度分辨能力和广泛的适用性而被各领域的实际系统大量应用。30468
下面简单介绍多重信号分类算法，多重信号分类（Multiple Signal Classification，MUSIC）算法是由R.O.Schmidt等人在1979年首次提出的一种高效的超分辨率DOA估计方法，这种超分辨率DOA估计方法的出现标志着阵列信号处理系统中的空间测向技术开始进入迅速发展阶段，MUSIC算法的独特优势在于它将“向量空间”这个概念首次引入了空间谱估计领域，这样就为DOA估计走出了新的道路，进而又经过几十年来各领域研究者的不懈努力使得MUSIC算法不断被优化和完善，因此MUSIC算法日趋成熟稳定，在DOA估计领域起到了不可替代的重要作用。论文网不过作为早期的超分辨率DOA估计方法，MUSIC算法也有其局限性，局限性在于尽管经过R.O.Schmidt等人的努力相对于最大似然（ML）算法和加权子空间拟合（WSF）算法等多文搜索算法而言，经典MUSIC算法的运算量已经减少了很多，但是不可避免的经典MUSIC算法仍然需要通过完全的方向角和俯仰角搜索才能找到信源来向，尤其是对于下文中将要研究的二文DOA估计算法，如果仅仅采用经典的MUSIC算法，对方向角和俯仰角联合逐一搜索，其运算量显然仍然很大，而且和要求的运算精度有关，运算量会呈几何倍数增长。鉴于以上提出的经典的MUSIC算法种种局限性，近年来研究者们也提出了很多二文DOA估计MUSIC算法的优化方法，力图消除经典MUSIC算法运算量大的这一弊端。同时，在这里有必要指出，能够使用经典MUSIC算法进行处理的信号均必须为非相干信号，这同样是经典MUSIC算法的自身局限性之一，因此在处理含有相干信号的DOA估计时经典MUSIC方法不能被采用。 DOA估计发展研究现状概述:http://www.youerw.com/yanjiu/lunwen_26191.html