总体来说，DOA估计经历了几个发展过程，1967年，Burg提出了最大熵估计法，Capon提出了最小方差法[8]，以及Pisarenko提出的谐波分析法[21]。R。O。Schmidt在1979年提出的多重信号分类(MultipleSignalClassification,MUSIC)[1]算法具有划时代的意义。在MUSIC算法的基础上，Barabell根据Pisarenko分解的思想，提出了一维求根MUSIC算法[16]，这是MUSIC算法的另一种表示形式，在性能上与MUSIC算法基本相同，但是却在一定程度上降低了运算量，除此之外，还包括特征矢量法和MNM法，这些算法均可归为噪声子空间类算法。1986年由Roy、Paulraj和Kailath等人提出的利用旋转不变性进行信号参数估计（EstimatingSignalParametersviaRotationalInvarianceTechniques,ESPRIT)算法[1]，以特征值为基础，无需MUSIC算法中的谱峰搜索可以有效的减少运算量，并且由于不需要精确的知道阵列流行，只需两个子阵相互一致，对于阵列的选择更加宽松，以其为代表，又可包括TAM法，LS-EAPRIT算法和TLS-ESPRIT算法，这些算法可归为信号子空间类算法[21]。1991年，J。Munier提出了传播算子(PropagatorMethod，PM)算法[31]，这一算法不需进行特征值分解，从而有效的降低了运算量。78934

相较于一维DOA算法，从20世纪80年代以来,也不断提出高性能的二维DOA估计方法，1984年M。Wax，T。J。Shan和T。Kailath提出经典的二维MUSIC算法[23]。二维MUSIC算法是一种基于一维DOA估计基础而提出的渐进无偏的波达方向估计算法，其缺点是二维谱峰搜索带来的计算量。二维ESPRIT算法同样从一维发展而来，其角度估计性能更加优秀，但是由于方位角和俯仰角计算的相对独立性，存在角度匹配的问题，因此会在一定程度上增加计算量。Zoltowski等提出的2-DUnitaryESPRIT和2-DbeamspaceESPRIT方法将复矩阵运算转化为实矩阵运算[3]，降低了运算的复杂程度，并且能使得参数自动配对，但要求阵列中心对称。1994年和1996年，C。P。Mathews和M。D。Zoltowski等人发表了适用于均匀圆阵的UCA-ESPRIT和均匀矩阵(UCA)的二维酉ESPRIT算法，它们都可提供闭环形式的二维角估计，对方位角和俯仰角估计实现自动配对。近年来，论文网由于二维ESPRIT算法在计算上的优越性，有提出了许多新的相关算法，例如奇异值分解（SingularValueDecomposition，SVD）ESPRIT算法、SVD-拓广ESPRIT、总体最小二乘ESPRIT、多旋转不变性ESPRIT、波束空间ESPRIT等[1]。除此之外，我国对于阵列信号处理和空间谱估计的研究也在持续进行，1989年，殷勤业提出了PM算法[8]和波达矩阵算法，既用了特征值，也用了特征向量来估计二维参量，这两种算法计算量小且无需谱峰搜索，并且参数可以自动配对，但是要考虑到角度兼并的问题[23]，相较于MUSIC算法和ESPRIT算法，二维PM算法的计算量更小，并且在多种阵型条件下均适用。