多目标DOA估计技术广泛应用于军事和民用领域,基于传统均匀阵列的多目标定位方法相对成熟,而近年来出现的互质阵型技术,因具有其等效孔径大、自由度高、互耦效应弱、估计精度高等优势,受到了专家和学者的广泛关注。目前基于互质阵型的DOA估计方法,大多基于协方差信息进行估计算法的设计。对于高斯信号而言,其一阶和二阶统计量能够完备地描述其统计特性,且高阶统计量为零。然而,目前大部分的人造通信信号皆为非高斯的,其高阶统计量含有更多有价值的信息,若加以利用能够进一步提高估计性能,因此成为当前通信领域的研究热点。鉴于以上问题,本文基于互质阵列模型,以非高斯信号为目标信号,以提升算法的估计自由度为研究目标,从基于四阶累积量的阵型扩展、非圆信息融合和实际阵列误差校正等角度开展了相应的DOA估计算法研究。主要内容如下:1.互质阵型下针对非高斯信号的高自由度DOA估计算法。该算法利用非高斯信号的四阶累积量不为零的特点,首先构造阵列接收信号的四阶累积量矩阵,然后分析其构成元素,并映射为虚拟阵列形式;接下来为降低计算复杂度,选取其连续响应部分,构造连续虚拟均匀阵列;最后,应用快速子空间类算法进行DOA估计值求解。所提算法相比于经典的互质阵型协方差矩阵矢量化重构的DOA估计方法,自由度提升了两倍。因此,在非高斯信号目标场景下,所提算法有效地提升了可估计目标数量。2.互质阵型下针对具有非圆特征的非高斯信号高自由度DOA估计算法。该算法构建了互质阵型下具有非圆特征信号的阵列接收模型,并相应地提出了一种互质阵型下结合非圆信息的基于四阶累积量高自由度DOA估计算法。该方法的基本思想是利用非圆信号所具有的非圆信息进一步扩展阵列孔径。首先,根据四阶累积量矩阵的不同定义式,构建了扩展的四阶累积量矩阵,然后根据其等效的虚拟阵列形式,给出了其谱峰搜索的表达式;最后,为降低计算复杂度,将虚拟阵列重新分块组合,进而应用ESPRIT直接求解DOA估计值。仿真结果表明,所提算法的可估计目标数量能够达到理论分析的自由度,且相比于前文所提的针对一般非高斯信号的估计方法,估计自由度和估计分辨率有了进一步提升。3.互质阵型下针对实非高斯信号的高自由度DOA估计算法。实信号是非圆信号的一种,也就是初相位为零的完全非圆信号,结合这一特点,本文提出一种互质阵型下针对实非高斯信号的高自由度DOA估计算法。该算法利用实非圆信号的初相位为零时虚拟阵元与原阵元的阵元响应具有一致性的特点,采用矢量化重构方法进一步扩展虚拟阵列孔径,结合空间平滑技术和子空间类方法求解DOA估计值。仿真结果验证了所提算法的可估计目标数量与理论分析自由度的一致性;针对实非圆信号的估计自由度和估计分辨率均得到进一步提高。4.互质阵型下存在幅相误差的非高斯信号DOA估计方法。基于互质阵列的参数估计方法,常常因为阵列存在幅相误差而影响估计性能。本文提出一种互质阵型下存在幅相误差的非高斯信号DOA估计方法。该方法通过在接收数据上作补偿实现误差校正,得到了非高斯信号DOA参数的粗估计结果;在此基础上,为进一步提高估计精度,考虑实际校正源存在一定的位置误差,提出了基于二阶统计量的自校正迭代精校正算法,该算法通过将DOA参数粗估计结果设置为初始值,通过多次迭代校正,获得更为精确的DOA参数估计值。文中对该方法的复杂度进行了分析,仿真实验表明所提误差校正算法能够精确校准误差,实现高精度DOA估计。