随着我国铁路运输业的飞速发展,列车的行驶速度不断提高。由于铁路通信系统信道的快速时变特性,而引发了信道中的干扰、多径衰落、容量损失和频谱效率降低等一系列问题,这对铁路专用移动通信系统GSM-R提出了更高的要求。近年来智能天线技术在移动通信系统中的成功应用为解决这些问题带来了新思路。智能天线早期应用于军事通信、雷达和声呐等领域,可实现空间滤波和识别定位。后因其可以显著降低移动通信系统中的干扰、减少信号衰落、提高系统容量以及实现移动台定位等优势而被发展应用于更多复杂的移动通信环境中。其中DOA(Direction of Arrival,波达方向)估计作为智能天线的核心技术,在很大程度上决定着智能天线的性能。经过长期的研究,现已出现了很多经典的DOA估计算法。本文对传统类和基于子空间类的DOA估计算法进行了详细的介绍并仿真比较。仿真结果显示,基于子空间的MUSIC、Root-MUSIC、ESPRIT和LS-ESPRIT算法都能够实现高分辨率的DOA估计。但这类算法仅适用于静态场景中,而铁路移动通信系统GSM-R的高速移动会引起信源位置时刻变化,因此需要对GSM-R系统中的信源DOA进行实时跟踪以提高DOA估计的可靠性。基于上述分析,本文在最后一章首先建立了采用智能天线技术的GSM-R系统结构的简单模型,并分析了GSM-R系统中高速移动状态下的智能天线阵列信号数学模型,进而展开对适用于GSM-R系统的DOA跟踪算法的研究。目前,比较具有代表性的子空间跟踪算法,PASTd(Projection Approximation Subspace Tracking with deflation,紧缩近似投影子空间跟踪)算法,因其实时性强、计算量小、收敛快而被广泛应用到DOA跟踪中。而由于现实中高速列车复杂的行驶环境,可能存在列车接收信号DOA比较靠近或变化轨迹出现交叉重合的情况,对此,PASTd跟踪算法不能做到准确地匹配跟踪。为解决这一问题,本文研究了一种将卡尔曼滤波器与PASTd算法相结合的算法并对此算法进行了简化。最后通过仿真实验验证,简化的结合算法不仅能够实现高速移动的GSMR系统中DOA的实时准确地跟踪估计,而且复杂度低。