1、智能天線是用來傳輸或接收相應(yīng)數(shù)據(jù)信號(hào)的陣列天線。其最重要的數(shù)字信號(hào)處理過程是對(duì)信號(hào)的波達(dá)方向估計(jì)（DOA）。目前已有很多DOA算法，而且研究人員一直在這一領(lǐng)域探索并提出一些新的算法。但是大部分DOA算法在一些情況下性能較低，例如信源角度較近或者信道環(huán)境較差，信噪比SNR較低的情況。在本論文中,針對(duì)信號(hào)源角度較近DOA算法性能不好的問題，研究算法使其達(dá)到高分辨率DOA的問題。本文將針對(duì)近源問題研究三個(gè)不同的解決方案。已有的研究表明由于具有

2、高分辨率，MUSIC算法和ROOT MUSIC算法是使用率較高的算法。第一個(gè)解決方案的主要思想是研究這兩種算法可能影響高分辨率的因素，并在信源角度很近的情況下對(duì)其方向進(jìn)行估計(jì)。因此第一個(gè)解決方案是通過加入一些與信號(hào)和陣列天線參數(shù)（如快拍數(shù)目、陣元數(shù)以及輸入信號(hào)的功率）有關(guān)的能改善算法分辨率的新的因素，來提高這兩種算法的分辨率。第二個(gè)解決方案是關(guān)于相干源近源估計(jì)問題。該方案通過從估計(jì)的協(xié)方差矩陣中提取信號(hào)子空間和噪聲子空間特性來形成譜估計(jì)

3、，并對(duì)信號(hào)的協(xié)方差矩陣進(jìn)行了修訂，該算法的名稱就是基于MES的修正特征空間算法。第三解決方案是對(duì)矩陣的特征空間分解進(jìn)行迭代處理。方法通過從協(xié)方差矩陣中提取特征值和特征向量從而形成信號(hào)子空間。考慮到由于噪聲的誤判斷，在信號(hào)子空間中會(huì)存在噪聲，因此將信號(hào)子空間的協(xié)方差又被分解成包含與噪聲子空間相關(guān)的最小的特征向量部分。將兩個(gè)噪聲特征向量進(jìn)行平均，得到一個(gè)平均噪聲特征向量。利用噪聲特征向量和信號(hào)導(dǎo)向向量的正交性得到這一算法的譜估計(jì)。該算法是在