在阵列信号处理（Sensor Array Signal Processing）中,波达方位（Direction-of-Arrival,DOA）估计是非常重要的研究方向之一,它广泛应用于勘探、雷达、导航、射电天文学以及地震等众多军事领域和国民经济领域。在实际波达方位估计系统中,相关干涉仪算法是一种常用的测向算法,具有算法简单,灵敏度高等优点,并且该算法精度较高,因而被广泛应用于多通道和单通道系统中。然而在实际系统中,相关干涉仪受多种误差的影响,导致测得的波达方位与实际波达方位不符,因此有必要针对相关干涉仪算法进行多误差建模分析并进行校正。目前在实际系统中应用的测向算法主要是相关干涉仪算法,但超分辨测向方法是一种主流趋势,在未来的实际系统应用中必然将会采用超分辨测向算法,随机最大似然算法（SML）是一种重要的超分辨测向算法,理论上,SML算法有着最优的DOA估计性能,但是由于SML算法的求解过程涉及到多维非线性最优化问题,其计算复杂度非常高,阻止了该算法在实际系统中的应用,因此,本文将针对SML算法进行分析与改进,以使该算法能够尽早在实际系统中得以广泛应用。主要研究工作如下:首先,针对相关干涉仪算法在实际系统应用中产生的多种误差,本文给出针对相关干涉仪算法的多误差模型,并对误差模型进行校正。波达方位估计的误差主要来自鉴频器对信号频率的测量误差、射频开关在相位切换时的误差、信号测量时得到的幅值误差和阵元的半径与信号波长之间的比例关系四个方面。针对这四种误差,本文进行建模和分析,并进一步采用有源校正算法进行校正。本文采用的有源校正算法是基于相关干涉仪算法的有源校正,由于有源校正算法属于离线校正,不用考虑计算量,因此在求（38）矩阵时采用MUSIC算法进行求解。实验结果表明,考虑多误差模型情况下的信号的方位估计相比不考虑多误差模型情况下的信号方位估计测得的结果更准确。针对SML算法计算复杂度高的问题,提出一种限定粒子群（PSO）算法初始化空间的SML算法。该算法克服了一个缺陷,即在采用ESPRIT算法限定PSO初始化空间时,在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号,且需要采用一组预处理技术,这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设方法确定初始化点来代替ESPRIT算法的解,结合克拉美罗界（CRB）确定PSO算法的初始化解空间,这一方法不必再采用预处理技术,且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明,提出的算法为相干情况和非相干情况都提供了相当好的初始值,最后,将该算法与许多现有算法进行了比较,验证了提出算法的有效性和准确性。