作为信号处理领域的一个重要分支,阵列信号处理在近几十年来得到了飞速发展。波达方向估计(Direction-of-Arrival,DOA)是阵列信号处理的一个主要的研究方向。当前对于传统的子空间类DOA估计算法的研究受到低信噪比、小快拍和相关信号等条件限制。最近有学者提出了一种基于协方差的稀疏迭代估计方法(Sparse Iterative Covariancebased Estimation:SPICE),与其他稀疏算法相比,其具有简单、稳定的统计基础,并且具有全局收敛的特点。此外,SPICE类算法在小快拍情况(甚至单快拍)仍然适用,且对相关信号源具有鲁棒性,在进行DOA估计的同时,可以获得对入射信号能量的估计。因此,本文主要对SPICE及其相关算法展开研究。主要内容总结如下:首先,研究了传统的子空间类DOA估计算法,包括MUSIC算法,Root-MUSIC算法和处理相关信号的空间平滑MUSIC算法。其次,研究了SPICE算法的原理,包括其采用的信号模型,协方差拟合准则和循环最小化的求解过程。验证了算法在少快拍和多快拍,噪声能量相同和不同情况下,SPICE算法的DOA估计性能。针对SPICE算法估计的信号能量不准确和估计精度受空间网格限制的问题,提出了一种基于最大似然估计的SPICE(SPICE-ML)DOA估计算法。理论和仿真实验表明,SPICE-ML算法与SPICE算法相比,提升了对入射信号能量的估计准确度和DOA估计精度。然后,通过梯度算法推导了SPICE算法的一般形式加权SPICE,并且通过改变权值,得到了IAA和LIKES两种算法。仿真实验说明了IAA、SPICE、LIKES算法在进行DOA估计时各自的特点。IAA算法计算量最小,入射信号能量估计准确,但是角度分辨力低。SPICE算法分辨力高,但是在相关信号情况下,信号能量估计误差较大,估计精度下降。LIKES算法保持了SPICE算法的高分辨力,对信号能量的估计准确度也有提升,但是计算量最大。最后,研究了无网格SPICE(GLS)算法和原子范数最小化(ANM)两类无网格DOA估计算法的原理,并且证明了在快拍数小于阵元数的情况下,GLS算法与ANM算法等价。在快拍数大于阵元数的情况下,GLS算法与加权ANM算法等价。