无源测向技术是一种以被动方式探测辐射源方向的技术,这种技术探测目标时不对外散发能量,利用采集到的辐射源信息和探测站自身信息,应用适当算法就能对辐射源的方位作出估计,广泛应用于军事战争、交通指挥、天文观察、救灾减灾等军用或民用领域。而基于阵列信号处理的波达方向(Direction Of Arrival,DOA)估计算法由于具有分辨力强、估计精度高、抗干扰能力强等特点,成为了无源测向技术的重要研究领域。压缩感知(Compressive Sensing,CS)理论是近年来十分热门的新兴技术,将其用于无源测向克服了传统测向算法的很多不足。本文研究了多种基于阵列信号处理的DOA估计算法,并分析验证了它们的估计能力。本论文主要研究工作及创新贡献如下:1.介绍了无源测向技术所需的基础理论。首先给出阵列信号数学模型,然后介绍了两种常用的信源数估计算法,特征分解法和信息论法。最后介绍了粒子群优化算法的基本原理。2.介绍了波达方向估计方法的分类,接着分析了传统算法中的波束形成法和Capon最小方差法,并做仿真实验分析了它们的优缺点。针对这两种测向算法分辨率不够高的问题,研究了MUSIC算法和ESPRIT算法,分析了它们的基本原理,归纳了算法步骤。然后,对这两种算法进行了仿真实验,分析了它们的性能影响因素,总结了各自的优缺点。3.针对MUSIC、ESPRIT等子空间类算法不能有效分辨相干信号波达方向的问题,研究了针对相干信源DOA估计的算法。首先介绍空间平滑算法和修正的MUSIC算法,分析了它们的基本原理和测向步骤。然后基于空间平滑思想,结合信号子空间和噪声子空间性质,提出一种采用新谱函数的EM-MUSIC算法。然后通过对这三种算法进行仿真对比,得出EM-MUSIC在低信噪比下仍有较强估计能力的结论。4.由于传统子空间类算法需要多次采样得到大量快拍数据,带来了较大计算量。文章研究了一种通过压缩感知技术显著减少DOA估计数据量的算法,并用粒子群优化算法对正交匹配追踪算法进行改进,最后仿真验证了这种方案的高效性。