超分辨算法是阵列测向的关键技术之一,但在当前理论向工程化转型的发展阶段中,传统的超分辨测向算法面临的计算复杂度高、阵列结构依赖性强等缺陷,这些缺陷已成为制约测向理论迈向军民融合实际应用的掣肘。近年来,利用信号的自身特性提高测向算法的性能已成为该领域的研究热点,本文利用降维和实值变换方法,研究低复杂度的超分辨测向算法,旨在为测向算法工程化的推进提供理论支撑。本文的主要研究内容和理论创新如下:一方面,基于波束空间以线性算子方法获得波束域噪声子空间、通过多项式求根获得目标信源方位信息的思想,提出了一种波束域线性算子求根算法(BPM-root-MUSIC)。新算法利用最小二乘迭代将波束形成矩阵进行分解,得到降维后的波束阶求根测向算法(BPM-B-root-MUSIC)表达式。为了进一步降低算法计算量、避免波束宽度内的复杂寻根计算,同时给出了仅与信源个数有关的信源阶闭式求根算法(PM-L-root-MUSIC)。另一方面,基于非圆信号的旋转不变性,利用实值变换将阵列输出数据实值化。同时为了避免非圆信号中共轭拓展带来的大规模特征值分解(EVD)运算,对协方差阵进行子阵划分并以子阵EVD代替整体EVD,提出了快速提取噪声子空间的新算法(RV-NC-root-MUSIC)。新算法采取求根方式获取信源方位信息,同时利用多项式系数对称关系大幅降低了求根多项式的阶次,显著降低了算法的运算量。理论分析和仿真实验表明,本文所提出的两种算法均实现了低复杂度超分辨测向算法,同时能够在合理的动态范围内将参数的估计性能与测向效率保持平衡。本文的研究有助于丰富测向算法的理论体系,同时对降低各类军民测向系统的研发成本、提高测向的工作效率具有着至关重要的实际工程意义。