二维DOA估计在雷达、声呐、通信、生物医学等诸多方面都有重要应用。在现有的DOA估计算法中,以超分辨的子空间算法最为有名,该方法利用阵列信号的空时结构特征估计信号的来波方向。随着二维DOA估计应用到工程实践,人们对DOA估计算法的计算量、估计精度和角度分辨率要求越来越高。本文以改进DOA估计算法的这三个指标为目标对二维DOA估计算法展开研究,取得了一些有意义的研究成果,主要包含以下几个方面:1.在工程实践中,计算观测向量的相关矩阵和对相关矩阵做奇异值分解(SVD)或者特征值分解(EVD)很耗时间。本文针对这一问题提一种高效计算的二维DOA估计算法,该算法既不需要计算观测向量的相关矩阵又不需要对观测向量的相关矩阵做SVD或者EVD,只需要对相关矩阵的第一行、第一列和对角线进行简单处理即可实现二维参数估计和配对。该方法具有估计精度高、配对方便等优点。为了完全利用相关矩阵,本文也提出一种改进算法,改进算法的DOA估计精度进一步提高,且自动配对。2.阵列孔径越大,DOA估计精度越高。本文分别针对T型阵列和L型阵列提出相应的阵列孔径扩展算法。T型阵列孔径扩展算法主要利用T型阵列的共轭对称性和信号的协方差矩阵是实对角矩阵两个性质扩展相关矩阵维度,L型阵列孔径扩展算法主要利用旋转不变性和信号的协方差矩阵是实对角矩阵两个性质扩展相关矩阵维度,扩展相关矩阵维度等效于扩展L型阵列孔径。经过孔径扩展,算法的估计精度得到提高。3.本文推导出从估计的信号子空间到阵列流形矩阵的过渡矩阵具有正交性,并利用该性质提出一种二维参数配对算法,该配对算法具有较高的配对概率,可适用于由两个均匀线阵构成的平面阵,譬如,V型阵列、L型阵列、T型阵列和十字型阵列等。另外,本文还将该性质应用到一维DOA估计中,提出一种相干信号和非相关信号并存的情况下相干信号的DOA估计算法,由于该算法利用了更多的信息估计相干信号,估计精度得到提高。4.虽然子空间算法是超分辨的,然而随着入射方向相互靠近,现有的子空间算法性能会迅速下降。本文针对这一问题提出一种空间相近信号的DOA估计算法,该算法通过矩阵乘法构造两个矩阵,它们的非零特征值和其对应的特征值分别包含了信号的配对信息和方向信息。信号的DOA可以通过它们的特征向量来估计,即使信号的来波方向相隔较近,算法的DOA估计精度依然较高。二维角度的配对则根据它们的特征值来完成,且不存在配对失败。此外,本文也详细讨论了算法能识别空间相近信号的原因。5.自动配对的二维DOA估计算法也是二维DOA估计的重要研究内容,本文提出两种自动配对的二维DOA估计算法。其中一种算法通过重排相关矩阵获取信号子空间,不需要对相关矩阵做SVD或者EVD,算法计算量较小。另一种算法首先将协方差矩阵划分为两个子矩阵,然后将一个子矩阵与另一个子矩阵的M-P逆相乘构造一个特殊的矩阵,该矩阵的特征值和特征向量分别包含信号的俯仰角和方位角信息,特征值与特征向量之间的对应关系用于二维参数配对,算法估计精度高,计算量小。