1. 研究目的与意义
DOA估计是一个阵列信号处理领域中的关键问题，在雷达、声呐、通信、生物医学等诸多方面都有重要应用，也是通信、射电天文等领域的重要组成部分。原始的DOA估计问题指在单一平面内估计信号的方位角，这种一维参数估计问题存在较多的局限性。在实际通信领域，处于三维空间中的用户需要二维方向角度才能精确表示，因此二维波到达方向DOA估计在阵列信号处理领域中扮演着越来越重要的角色。在现有的DOA估计算法中，以超分辨的子空间算法最为有名，该方法利用阵列信号的空时结构特征估计信号的来波方向。在错综复杂的环境中只有对信号包含的信息变量实现有效估计和精确检测，信号处理时才能提取和恢复包含于信号之中和信号外部的有用信息。因此随着二维DOA估计应用到工程实践，人们对DOA估计算法的计算量、估计精度和角度分辨率要求越来越高。
2. 课题关键问题和重难点
课题关键问题
（1）熟悉L 型阵列DOA 估计、均匀面阵DOA 估计和均匀圆阵DOA 估计的基本理论；
（2）熟悉L 型阵列中基于求根 MUSIC 的二维 DOA 估计算法、基于 ESPRIT 的二维 DOA 估计算法及基于增管矩阵束的二维 DOA 估计算法；
3. 国内外研究现状（文献综述）
在学界多年努力下，二维 DOA 估计以及DOA 和多普勒频率联合估计发展迅速，现代多维参数估计已经扩展到了空域、时域、频域和极化域。波达方向估计问题就是估计某空间区域内各个有用信号的空间位置，也就是估计多个信号相对于阵列参考阵元的方向角，估计的分辨率由阵列长度决定。波达方向估计方法主要有四种：特征分解法、最大似然法、熵谱分析法和自回归滑动平均谱分析法。波达方向估计中的最经典的方法是基于特征分解的子空间算法。
从实际的研究角度看，目前对二维 DOA 估计的研究主要集中于提高估计精度、降低计算的复杂度和处理复杂的环境等方面。
（1）在提高精度方面
4. 研究方案
MUSIC算法主要步骤如下：
（1）根据接收的信号来构造矩阵R，R是协方差矩阵，并特征分解矩阵R；
（2）按照特征值的大小排序，找出信号的N个最大的特征值所对应的特征矢量，用它们来构成信号子空间US，再将余下的特征值所对应的特征矢量去构成噪声子空间UN；
5. 工作计划
第1 周 接受任务书，领会课题含义，按要求查找相关资料；
第 2 周 继续查阅相关资料，论证设计的可行性，研究设计方案和设计思路；
第 3 周 翻译相关英文资料，提出拟完成本课题的方案，写出相关开题报告；
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
