相干干扰是信号处理中常见的问题,相干信号会导致DOA估计算法估计性能下降,甚至失效,因此相干信号的DOA估计是阵列信号处理领域内的一个重要课题。大多数解相干DOA估计算法都是基于均匀线阵的特殊阵列流型所提出的,但线阵本身具有测向视角小,不同入射方向的估计精度不同等缺陷。均匀圆阵能够克服线阵测向视角小的缺陷,测向视角为360°,且各方向有近似的估计精度,因此本文研究了基于均匀圆阵的解相干算法,主要研究内容如下:首先,通过理论分析和计算机仿真,验证了MUSIC算法在进行相干信号的DOA时会失效的结论。重点研究了基于MUSIC算法的子空间类解相干算法,包括空间平滑算法、特征矢量重构算法和数据矢量重构算法。在均匀线阵条件下对比了上述算法的估计性能,并提出基于数据矢量重构算法的改进算法,该算法改进了原算法重构后数据矩阵不是埃尔米特矩阵的问题。仿真结果表明修正的数据矢量重构算法较原数据矢量重构算法的估计性能有所提高。其次,在均匀圆阵下使用解相干算法需要对接收数据进行模式空间变换,然后对变换后的矩阵进行解相干处理。本文对比了空间平滑、特征矢量重构、数据矢量重构算法和改进的数据重构算法在均匀圆阵中的估计性能,并研究了上述算法在入射信号不同相位差下的估计性能,仿真结果表明,改进的数据重构算法在信号相位随机的情况下估计性能比原数据重构算法好。由于模式变换中选择不同模式数时算法的估计性能不一样,因此本文还仿真了模式空间变换中模式数的选择对算法估计性能的影响,得到在满足模式变换和阵列设置条件时,适当选取模式数,可以提高算法的估计性能的结论。