在波达方向（direction-of-arrival,DOA）估计中，“相干”和“信噪比”一直引人关注，因为它们都会使得某些算法的性能下降甚至丧失。相干会使多重信号分类（multiplesignalclassification,MUSIC）等基于子空间的传统算法失效，其关键原因就是相干会导致信源协方差矩阵的秩亏缺，而信噪比降低会使阵列协方差矩阵特征值分解后不易区分主次特征值，造成信号子空间和噪声子空间划分错误。针对相干情况，人们往往都是从“解相干”的角度出发，使用各种手段解除相干信源的相干性影响。通过研究我们发现，直接解相干后，虽然能够解决上述问题，但由于一般往往需要进行平滑等过程，因此很自然的在同等问题规模下，不仅增加了天线阵元的数量，而且增加了硬件的负担和制作成本。设想下如果在解相干的同时，能够做到一起把噪声也降低的话，则不但能够解决相干性困扰，还能够不增加硬件负担，那么对于算法的工程应用会有极大的改善。基于此，本文提出了一种在低信噪比情况下针对相干或存在部分相干信号源的DOA估计的噪声消除方法，利用它来为噪声滤除和降低硬件成本做出贡献，以达到实现高性能分辨DOA。在仅有加性白噪声的环境下，仅需要通过求解方程组，便可以解出新的不含噪声方差的阵列协方差矩阵的对角元素，然后用这些新的对角元素来置换被噪声污染的阵列协方差矩阵对角元素（这一过程我们称之为对角加载处理），进而可以滤除掉白噪声的影响。通过仿真的结果，可以直观的证实方法的有效性及提升效果。在理想情况下，若仅有加性白噪声的干扰，如果信号采样数量足够多，则信噪比可以足够小，因此提高了抗干扰性。事实上，当信号全部相干或者部分相干时，所有其他基于阵列协方差矩阵的算法均可以先采用此方法进行前期预处理，以达到滤除或抑制白噪声影响，从而实现提高算法性能和求解精度。从本方法的实现方案上来看，本方法增加的计算量很少，并没有增加多少成本，满足工程上低成本、高性能的基本要求。