信号波达方向估计(Directions Of Arrival,DOA)在通信、雷达、声纳、定位、导航等领域具有广泛的应用。加权子空间拟合算法(Weighted Subspace Fitting,WSF)在波达方向估计中精度较高,而且不会受多径和相干信号源的影响。但该算法实现过程复杂,求解运算量较大,不能保证实时性。因此,如何优化WSF算法的求解过程,降低算法的运算复杂度,提高算法的实时性,成为了WSF算法研究的关键。本文在前人的研究基础上,分析总结现有的优化思路,发现关键问题,首先基于粒子群算法设计了一种二段式的WSF低复杂度求解算法(Two Segment Weighted Subspace Fitting,TSWSF)。然后根据TSWSF算法未能约束粒子群的迁徙方向的不足,提出了改进算法,基于限定解空间的WSF求解算法(Limited Solution Space Weighted Subspace Fitting,LSWSF),极大的降低了运算复杂度。常规的优化思路将重点放在WSF算法的算子或者是使用收敛速度更快的智能优化算法,忽略了WSF算法数学模型本身带有的特点,虽然有些研究引入了智能优化算法,但并没有根据模型特点对算法机制进行修改,使得该问题还有进一步优化的空间。鉴于以上问题,本文首先对问题求解空间进行预处理,然后引入修正参数的PSO算法对问题进行最终求解。通过压缩解空间,降低了运算复杂度。又根据该算法未能克服粒子群往复运动所导致复杂度升高的不足,加入了连续限定解空间的求解策略,限定了收敛方向,减少粒子往复运动,进一步降低了运算复杂度。通过MATLAB对所提出的算法进行仿真,并与WSF常见的优化算法进行比较与分析。仿真结果表明,在保持DOA估计精度不变的情况下,本课题提出的算法的迭代次数更少,计算复杂度明显降低。而且LSWSF算法优于TSWSF算法,证明了限定解空间策略的有效性。