在阵列信号处理中,信号源的波达方向(direction-of-arrial,DOA)作为一个热门的研究方向在声纳、雷达、通信、医学检测、电子对抗等领域有着广泛应用。传统经典的DOA估计算法都是基于信号源的数目已知来进行的,如果估计的信号源数目与实际的信号源数目不相符合时,则会导致DOA估计有误。因此,要想实现正确的DOA估计,首先要实现准确的信号源数估计。现有的大多数信号源数估计算法都是在采样快拍数较大时实现的,然而在现实环境中,常常不能满足较大的采样快拍数,如果采样快拍数较小则会影响算法性能,甚至失效。因此,为了在小快拍数下能够很好的进行信号源数目估计,本文提出了一种基于BP(Back Propagation)神经网络的信号源数目估计方法,该方法对含不同信号源数目的阵列信号的瞬时相位做特征提取,利用BP神经网络作为分类器来做特征训练,训练好的神经网络模型就可以用于估计含不同信源数的阵列信号。论文的主要内容总结如下:1、详细介绍了本文课题的研究背景和研究意义,回顾和总结了现阶段国内外的研究状况。2、介绍了两种常用的阵列模型——均匀圆阵和均匀线阵,研究了信源数的错误估计对DOA估计的影响,分析了影响信号源数估计的主要因素。3、分别就白噪声环境和色噪声环境下的经典的信号源数估计算法做了详细的介绍,通过Matlab仿真实验,对比和分析了各个算法在不同快拍数、不同信噪比、不同信号源数下的估计性能。4、介绍了本文在小快拍数下的信号源数估计算法的两大理论支柱——希尔伯特黄变换(Hilbert-huang Transform.HHT)和BP神经网络。首先原始阵列信号经HHT后可得到瞬时相位,然后对瞬时相位做特征提取后可得到BP神经网络的训练集。同时为了使BP神经网络能够得到更高的精确度,又提出了双隐层的神经网络结构,其中双隐层的节点数可根据试差法来确定,并针对BP神经网络的固有缺陷提出了一些改良的方法。5、重点介绍了本文小快拍数下信号源数估计算法的实现,以及对该方法的实验仿真和分析。针对采样快拍数下较小时大多数的信源数估计算法正确检测概率下降,甚至失效这一难题,本文提出了一种基于BP神经网络的信源数估计算法。由于UCA的各个阵元在接收信源时有相位差异,可以将原始阵列信号的瞬时相位作为信源数估计的理论依据。因此,首先原始阵列信号经HHT后可以得到瞬时相位,然后对瞬时相位做特征提取,得到BP神经网络做训练所需要的数据集,最后可以用训练好的BP神经网络来估计含不同信号源数的阵列信号。为了验证本文算法的估计性能,本文分别采用了理论数据和实测射频消音实验室的数据,通过将本文算法与其他四种种算法在不同快拍数、不同信噪比等因素下做仿真对比实验,从而验证了本文算法良好的估计性能和现实实用性。