- 上一篇：锁相环的研究现状综述
- 下一篇：无线传感网的物联网研究现状
阵列信号处理的相关研究是从六十年代开始，至今已经有四十多年的历史，在理论上己有了丰硕的研究成果。它主要经历了三个阶段：在六十年代，主要研究自适应波束控制，例如自适应波束操纵天线、自适应相控阵天线等；在七十年代，主要研究自适应零点控制，例如自适应置零技术、自适应滤波、自适应副瓣对消等；在八十年代，主要研究空间谱估计，例如最大似然谱估计、特征空间正交谱估计、最大熵谱估计等。八十年代以后，随着阵列信号处理实际应用领域不断扩大，从而极大地促进了阵列信号处理的发展和完善。63601
空间信号波达方向估计是阵列信号处理的一个重要研究方向。于此相关的研究己有相当长的一段历史，最早开始DOA估计的问题主要在雷达、声纳领域里
进行相关的研究开发，诸如安装电视天线时为了获得正确的图像就要把天线向着信号源的方向，这就属于DOA估计。我们可以较容易地使用一个天线估计到达方向，但是此时的角度分辨率是依赖于天线的方向性，并且还需天线机械扫描。若是采用这种空间配置的阵列天线，则不用转动天线就能估计到达方向(DOA)。利用阵列天线对到达方向(DOA)估计的算法主要有以下几种：
从70年代以来，主要的高分辨谱估计方法有：Pisarekno的谐波分析法Burg的最大熵法(MEM)Capon的最小方差法(MVM)。在研究了ARMA、AR、MA线性预测模型的超分辨算法局限性的基础上，Tufts和Kumaresnan提出利用特征分解方法大大降低了DOA估计的信噪比门限。
70年代末80年代初，在国际相关学术会议以及重要学术期刊上涌现出了大量的相关研究成果和文献。1979年Schimidt R O提出MUSIC算法；它是阵列信
号超分辨测向算法研究中的一个里程碑，至今为止在高分辨空间谱估计、高分辨测向、高分辨遥感成像、信号特征提取等众多领域得到了广泛地应用。MUSIC算法的提出大大促进了特征子空间类算法的发展。从处理方式上来讲，子空间分解类算法可分为两类：论文网一类是以MUSIC为代表的噪声子空间类算法，如特征矢量法、MUSIC、Root-MUSIC算法、MNM等。另一类是以旋转不变子空间(ESPRIT)为代表的信号子空间类算法。
80年代后期开始，出现了另一类子空间拟合类算法，其中具有代表性的算法有最大似然(ML)算法、多维MUSIC(MD-MUSIC)算法、加权子空间拟合(WSF)算法等。其中，最大似然(ML)参数估计类方法则是参数估计理论中一种典型的并且较实用的估计方法，它又包括确定性最大似然(DML)算法和随机性最大似然(SML)
算法。1988年，L.ziskinel和M.Max研究了将最大似然参数估计方法应用到DOA估计，但方向估计似然函数又是非线性的，要求其最优解是需要进行多维搜索，这样相应的运算量巨大。因此，为了减少运算量，后面有关ML的研究方向重点放在DML和SML算法的估计性能以及ML算法的实现上。
90年代以后，信号谱估计技术研究方向则是误差估计与稳健算法。其中利用信号时域信息提高阵列处理性能成为人们的研究热点，它包括以下几个方面：基于高阶统计量的阵列处理；基于高斯统计量的高分辨DOA估计方法；基于循环平稳特性的阵列处理；利用多普勒信息提高阵列处理的稳健性。
国外对空间谱估计技术的相关研究在理论上日趋成熟和完善，目前，主要研究工作己转移到了实际工程应用上，现在迫切需要解决一些特殊问题，如算法的
实时性、鲁棒性与实现复杂度等问题。由于空间谱估计算法具有良好的超分辨性能，从而被广泛应用到其它信号估计领域，例如信号的频率估计(FOA)、信号的极化估计(POA)及信号的时延估计(TOA)等。这些技术的发展也大大促进了移动通信、定位、声纳等领域的相关技术的迅速发展。国内众多高校及研究院已开展了空间谱估计技术的研究工作，并取得了一定的成果，但在理论研究的深度、广度、系统性及实验手段等方面还处于起步阶段，与国外相比还存在较大差距