陈 婷， 白艳萍

（中北大学理学院，太原 030051）

阵列信号处理是信号处理的一个重要分支，目的是对阵列接收信号进行处理，增强所需有用信号，抑制无用的干扰和噪声，并提取有用的信号特征及信号所包含的信息［1］. 阵列信号处理研究的主要问题有以下几个方面：波束形成技术、空间谱估计、信号源定位和信源分离［2］. 其中，空间谱估计就是对空间信号波达方向的分布进行超分辨估计. 波达方向估计（DOA）不仅是许多军事和民用应用的一个过程，更是某些设备的基本功能，例如声呐和鱼雷. 对于这些设备来说，DOA估计的精度和速度会直接影响设备的性能，因此，如何改良DOA估计的精度和速度成为国内外当前研究的重点.

如何预估波达方向角，解决思路主要有以下两种：一是建立纯数学模型，通过大量计算得到结果，如传统的多重信号分类算法［3］（MUSIC）、旋转不变子空间算法［4］（ESPRIT）、极大似然算法［5］（ML）等；二是采用智能学习进行DOA估计，如BP神经网络［6］，径向基神经网络［7］等. 大多数DOA估计方法都需要对数据协方差矩阵进行特征分解，并且都有一定阈值限制，在低信噪比和少快拍数下，ML方法优于MUSIC方法和ESPRIT方法，所以我们选用ML方法进行主要讨论研究.

极大似然估计（ML）方法是子空间拟合类算法中的一种，但是由于其非线性的方向估计似然函数，导致在求解最优解时需进行多维搜索，运算量较大［8-9］. 近年来，基于仿生学的智能算法得到了快速的发展和广泛的应用，不少研究人员尝……