在阵列信号处理中最重要的技术问题就是阵列信号波达方向(Direction of Arrival,DOA)估计,被广泛应用于雷达、通信、电子、生物医学等诸多领域。因此在阵列信号处理中,DOA估计是一个非常重要的研究内容。基于MUSIC算法的谱估计精度高,且分辨性能较好,在DOA估计领域中有着非常广泛的应用。但是MUSIC算法在谱峰搜索中计算量大,尤其是对于多维问题,计算量成指数倍增长,而且受信噪比影响较大,所以利用传统谱峰搜索技术就需要消耗大量的时间,不能满足对阵列信号处理实时性的要求。因此本文对MUSIC算法中的谱峰搜索技术进行了大量的研究。首先,深入研究了大量国内外与多重信号区分(MUSIC)算法相关的理论知识,对现有的阵列信号DOA估计方法进行分析,介绍了阵列信号的数学模型、MUSIC算法中谱峰搜索等问题,并阐述遗传算法和杂草算法的基础理论知识与核心思想。其次,对遗传算法存在的问题进行研究,并针对传统的遗传算法在低信噪比下处理实际问题时容易出现陷入局部最优解的问题,提出一种改进的遗传算法,即对交叉算子_cp和变异算子_mp进行改进。并把改进后的算法应用到MUSIC谱峰搜索中,并与传统的遗传算法进行仿真对比。最后讨论空间存在两个信号源和三个信号源时,对基于改进的遗传算法的MUSIC谱峰搜索进行仿真,验证改进的遗传算具有更好的全局收敛性。最后,介绍了差分算法的基本原理,针对传统的杂草算法在低信噪比下收敛性差、搜索精度低等缺点,提出一种改进的杂草算法,即在传统的杂草算法产生新种子数前,先对目标函数进行降序排列,并对产生种子方式进行改进,也就是引入一个0~1之间的数来改变传统的杂草算法种子产生时的单纯的线性关系,在产生新种子后,再把差分算法中的变异、交叉、选择操作引入到杂草算法中,并把改进的杂草算法应用到MUSIC谱峰搜索中,并与传统的杂草算法进行仿真对比。在两个信号源和三个信号源存在的情况下,仿真验证基于改进杂草算法的MUSIC谱峰搜索计算量少,具有很好的实时性。