侯进，陈鑫强,3

（1.西南交通大学信息科学与技术学院智能感知智慧运维实验室，四川 成都 611756；2.西南交通大学综合交通大数据应用技术国家工程实验室，四川 成都 611756；3.西南交通大学计算机与人工智能学院，四川 成都 611756）

0 引言

随着通信、雷达等领域的发展，波达方向（DOA,direction of arrival）估计逐渐成为人们研究的热点课题。DOA 估计的基本问题是利用阵列对空间中某一区域内感兴趣的多个信号的空间位置进行估计，它面临的挑战主要集中在以下4 个方面：1) 在现实通信环境中，受高大建筑物和山丘的阻碍，电磁波在传播时将发生反射，从而产生多径效应，这将使部分DOA 估计算法失效；2) 出于成本等因素的考虑，实际阵列的阵元数往往小于目标信源数，因此，如何在欠定情况下进行DOA 估计成为一个难题；3) 在某些特定情况下，目标信源的来波方向可能相同，而目前许多DOA 估计算法无法对相同方向角的信源进行测向，因此，“角度兼并”问题成为DOA估计算法的另一挑战；4) 多快拍数在一定程度上会降低DOA 估计算法的时效性，因此，如何在少快拍数下保证算法的高准确率和高分辨率，也成为DOA 估计算法待解决的一个问题。

目前，根据测向原理的不同，DOA 估计方法可分为3 类：基于特征结构子空间的方法、基于独立成分分析（ICA,independent component analysis）的方法和基于稀疏重构的方法。最早的超分辨率DOA估计方法是著名的多信号分类（MUSIC,multiple signal classification）算法和基于旋转不变技术的信号参数估计（ESPRIT,estimating signal parameter via rotational invariance technique）算法，它们都属于特征结构子空间方法，由于相干信源会使空间协方差矩阵降秩，因此传统的MUSIC 算法和ESPRIT 算法无法对相干信源进行测向。……