1、信號到達角DOA(Direction of Arrival)估計是陣列信號處理ASP(Array Signal Processing)領域的重要研究內容之一，是基于空間譜估計理論實現(xiàn)的，目前已廣泛應用于軍事及民用各個領域。經典的DOA估計算法需要信號源數(shù)目的先驗信息和大量多快拍數(shù)的采集數(shù)據(jù)，這些在實際工程中非常難以實現(xiàn)。貝葉斯壓縮感知BCS(Bayesian Compressive Sensing)理論為DOA估計提供了一種全新的解決思

2、路，該理論打破了Nyquist采樣定理的限制，以數(shù)理統(tǒng)計理論來實現(xiàn)信號重構。論文主要研究基于BCS理論的DOA估計問題，以彌補傳統(tǒng)經典DOA估計算法的不足。
　　首先，選取窄帶遠場陣列信號DOA估計應用場景，建立兩類DOA估計模型：一是源信號實際入射方向在采樣網格點上，二是源信號實際入射方向不在采樣網格點上。為了降低計算復雜度、提高算法性能，論文在兩種現(xiàn)有DOA估計模型算法基礎上分別做了迭代加速改進，可以將實際入射方向不在采樣格點

3、上的應用場景看作是在采樣格點上的拓展，應用更廣泛。論文對兩種改進后的DOA估計算法分別進行仿真模擬，并在觀測陣列大小、信源個數(shù)、信噪比、字典密度等方面同OMP(Orthogonal Matching Pursuit)算法、IRLS(Iterative Reweighed Least Squares)算法、SBL(Sparse Bayesian Learning)算法、SA_SBL(Support Knowlegde-aided Spar

4、se Bayesian Learning)算法進行性能對比分析。
　　最后，基于經典貝葉斯壓縮感知DOA估計模型，結合實際工程應用，提出部分信源方向已知的DOA估計應用場景，針對該應用場景結合 BCS理論引入標志位信息建立DOA估計模型。借鑒傳統(tǒng)貝葉斯壓縮感知思想和吉布斯采樣理論設計G-SBL(Gibbs Sparse Bayesian Learning)算法，并詳細討論了G-SBL算法的原理及推導實現(xiàn)。論文對G-SBL算法進行了