宽带信号由于携带数据量较大以及频率信息丰富的特点成为阵列信号波达方向角（Direction of Arrival,DOA）估计的一个重要的研究领域,而对于均匀线型阵列（Uniform Linear Array,ULA）的理论研究成熟,ULA还有易于建模的特点,因此针对ULA的宽带信号DOA估计成为了近年来的一个研究热点。该论文针对远场宽带信号DOA估计开展了探索,可将主要贡献和创新归纳如下:（1）基于稀疏重构的协方差拟合算法研究。信号的二阶矩相对于信号包含更多的信息,基于这一点提出了基于稀疏重构的协方差拟合算法。该算法采用压缩感知的思想,利用信号在空间域中的稀疏性,建立宽带信号的空域稀疏模型,通过使用稀疏重构算法对信号协方差进行重构的方式进行DOA估计,所提算法的有效性通过仿真实验得到了验证。正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法最优原子的选取方式以及正交性的引入,不仅可实现对多声源的估计,且OMP算法同其他稀疏重构算法相比在同等条件下具有较小的均方根误差。（2）基于张量域分解的协方差拟合算法研究。该算法首先对协方差拟合算法进行改进,将l₀范数改进为l₂范数,再用l₁范数加以约束,其次利用宽带信号丰富的频率信息构造张量,利用高阶奇异值分解技术将信号在张量域分解提取主成分降低噪声的影响,最后利用改进的协方差拟合算法对信号进行DOA估计,仿真实验验证了算法的性能。该算法不同于传统算法的是,它无需预知信号源数目,这也是它最大的优势。（3）基于加权的投影子空间算法研究。子空间算法把每个子频带数据分为信号子空间与噪声子空间,投影子空间方法把各频带的噪声子空间联合,它将参考频带的信号子空间投影到其它子频带,此类方法未曾表明参考频带的选取,且参考频带的信号子空间仅仅做了投影的变换,针对这两点,提出了改进的算法。该算法首先对参考频带选取制定了标准,不再选取单一的频带作为参考频带,而是选择可以明确区分信号子空间和噪声子空间的所有频带作为参考频带,其次对于测试矩阵的构造也加以改进,使用参考频带的导向矢量和信号子空间构造权值,从而对测试矩阵加权,仿真实验验证了所提算法的有效性,同时表明所提算法在低信噪比下的谱峰更明显且误差更小。（4）基于频率矢量的算法研究。子空间算法的实质是利用相同子频带在不同阵元间的时延导致的相位差,但不同的子频带在相同阵元上也会有相位差,针对这一点以及建立的宽带信号模型,提出一种基于频率矢量的算法,该算法将频率维均匀分割成多个子频带,则相邻子频带间的相位差是一致的,针对这点再用经典算法进行定向,仿真实验表明在阵元数较少的条件下,基于频率矢量的算法性能相对较好。