波达方向估计(DOA)一直是阵列信号处理中一个较为热门的研究方向。目前大部分DOA算法都是基于空域信号是相互独立或不相关这一假设的。然而在实际应用中,相干信号是普遍存在的。针对相干信号源的一般DOA算法所面临的阵列利用率低,低信噪比表现差等问题,本文给出了一些基于子空间算法的相干信源处理方法。近年来,压缩感知和稀疏重构理论引起了国内外学者的广泛关注,并将其应用于DOA估计算法中。由于其在处理相干信号时的天然优势,本文基于稀疏重构理论给出了一些更加优越的算法。全文工作内容可以概括如下:(1)给出一种可以分开估计独立信号与各个相干群DOA的新方法。基于均匀线阵的导向矢量的线性组合不产生新导向矢量这一结论,首先采用多重信号分类(MUSIC)算法直接估计独立信号源的DOA信息。然后利用阵列接收数据二阶项中独立信号和噪声的Toeplitz特性,采用差分操作去除独立信号和噪声的影响,接着构造无交互影响的虚拟阵列流型矩阵,针对该矩阵的每一列采用改进的矢量奇异值算法估计每个相干群的DOA信息。(2)当接收信号中相干群较多时,上一算法需要进行多次奇异值分解,且所有操作都是基于复数域的,因此计算量较大。通过将虚拟阵列流型矩阵中的每一列看做是一个单次快拍虚拟数据,采用扩展孔径的实值旋转不变子空间(ESPRIT)算法估计各个相干群的来波信息,进而在一定程度上减小了计算量。同时由于差分操作去除了噪声污染,所提算法很好的克服了低信噪比条件下,实值算法不稳定的弊端。(3)针对传统子空间算法需要预知信源个数作为先验信息这一弊端,采用正交匹配追踪(OMP)算法估计每个相干群的DOA信息。由于不利用子空间的正交性,因此所提算法进一步提高了阵列利用率。由于差分操作抑制了噪声的干扰,同时所构造的虚拟阵列流型消除了相干群的交互影响,所提算法很好的克服了OMP算法在低信噪比下不稳定的缺点。(4)讨论了基于阵元空间和基于波束空间的DOA算法基本原理。将稀疏重构思路扩展至波束空间,给出基于波束空间协方差稀疏重构的算法。所提算法通过合理的设置波束形成矩阵,将维度较高的阵元空间接收数据映射至维数相对较低的波束空间,最后采用基追踪(BP)算法估计信号DOA。