水下信号处理技术是开发维护海洋必不可少的技术手段,波达方位估计作为水下信号处理的重要分支,一直都是热门研究课题。传统的DOA估计手段多是建立在窄带信号的基础上,而在实际工程中信号多为宽带信号,因此对于宽带信号高分辨DOA估计算法计算量大,低信噪比情况下性能退化等问题的研究极具现实意义。MUSIC算法作为高分辨DOA估计算法的重要方法之一,存在计算量大的问题。针对此问题,本文提出了一种改进的MUSIC算法,利用均匀线阵模型的函数性质,构造镜像辐射源,减少谱峰搜索部分50%的计算量。仿真结果与传统MUSIC算法相比,改进MUSIC算法计算时间近似为传统MUSIC算法的50%,并且在估计精度上接近于传统MUSIC算法,有效的实现快速高分辨DOA估计。针对基于窄带信号模型提出的DOA算法并不适用于本文的LFM信号模型的问题,利用分数阶傅里叶变换的旋转时频面特性,使LFM信号在分数阶傅里叶域聚焦,而后利用窄带信号的DOA估计算法完成LFM信号的波达方位估计。在分数阶傅里叶域利用改进的MUSIC算法,进一步减少计算量,从而实现LFM信号的快速DOA估计。仿真对比FRFT-MUSIC算法,改进FRFT-MUSIC算法能够有效实现LFM信号的快速高分辨DOA估计。针对改进FRFT-MUSIC算法和FRFT-MUSIC算法在低信噪比下性能退化的问题,为实现低信噪比下的稳健高分辨DOA估计进一步提升估计性能,本文尝试了基于RBF神经网络的DOA估计算法。提出利用LFM信号在FRF域的协方差矩阵为输入,噪声子空间矩阵为输出的模型训练方法。针对传统FRFT-MUSIC算法低信噪比下性能不佳的情况,提出结合集成学习思想的模型训练方法,仿真对比传统FRFT-MUSIC算法低信噪比下的估计成功概率有所提升。最后通过对舟山海试实验数据的处理,对比分析FRFT-CBF算法、传统FRFT-MUSIC算法、改进FRFT-MUSIC算法和RBF神经网络算法,验证本文的提出的两种方法在实际应用中计算时间短、估计精度高、稳健性强等特性。