长期以来，目标高分辨定向技术作为阵列信号处理的一个重要分支，是国内外集中力量研究的重点。该项技术的突破对声纳、雷达、通讯、地质勘探、生物医学工程等多项国防和民用建设领域均具有重要意义。 目标高分辨定向技术发展至今，已出现了许多理论和方法。为了深入研究目标高分辨定向技术的理论体系，本文研究了最小方差法( MVM)，最大熵法(MEM)，MUSIC算法，ESPRIT算法以及基于最大似然的高分辨方法(MLE)等几种典型高分辨方位估计方法，对每种算法进行仿真实验，对其估计精度进行了对比，并与克拉美罗界(CRB)比较。针对最大似然高分辨方位估计方法存在的计算量大、实时应用困难等问题，把蒙特卡罗方法与之相结合，研究基于蒙特卡罗方法的高分辨方位估计新方法。本文的主要研究工作如下： 1.将最小方差法(MVM)，最大熵法(MEM)，多重信号分类法(MUSIC)，旋转不变子空间法( ESPRIT)和基于最大似然的高分辨方法(MLE)利用统一的仿真模型对其进行统计分析，并与克拉美罗界(CRB)比较。结果表明：最大似然高分辨方位估计方法(MLE)性能十分优良，性能明显优于上述其它方法，非常接近克拉美罗界(CRB)，尤其是在低信噪比条件下。但是因为采用多维网格搜索导致其计算量很大，难以在工程中实时应用，迫切需要研究它的快速算法。 2.为了解决最大似然方位估计方法由于多维搜索导致计算量过大的问题，把马尔可夫蒙特卡罗方法中的吉布斯抽样和最大似然估计相结合，提出了基于吉布斯抽样的最大似然方位估计方法(Maximum Likelihood DOA Estimator Based on Gibbs Sampling，简称GSMLE)。在进行理论研究的同时，对新方法的性能做了仿真实验。结果表明：GSMLE方法不仅保持了最大似然方法的良好性能，逼近克拉美罗界，低信噪比下性能明显优于MUSIC方法；并且把最大似然方法的计算复杂度从O(LK)降低到O(K×J×Ns)，大大降低了计算量。 3.把马尔可夫蒙特卡罗方法中的完美抽样和最大似然估计相结合，提出了基于完美抽样的最大似然方位估计方法(Maximum Likelihood DOA EstimatorBased on Perfect Sampling，简称PSMLE)。在进行理论研究的同时，对新方法的性能做了仿真实验。结果表明：PSMLE方法不仅保持了最大似然方法的良好性能，逼近克拉美罗界，低信噪比下性能明显优于MUSIC方法：并且把最大似然方法的计算复杂度从O(LK)降低到O(K×J×Np)，由于采用了融合时间判决，使得Np＜Ns，进一步降低了计算量，为最大似然方位估计方法的工程应用提供了一条新途径。