波达方向（DOA）估计是一项重要技术,在雷达、通信及导航等领域中得到广泛应用。多重信号分类（MUSIC）算法是DOA估计领域最具代表性的算法之一,具有高精度、超分辨的特点,但其需要对空间谱函数进行谱峰搜索来最终估计出DOA,由此产生的巨大计算量降低了MUSIC算法的实时性。随着通信及移动互联网技术的发展,人们获取室内位置服务的需求越来越大,由于室内环境中存在大量的障碍物和多径效应,因此对定位精度产生较大误差。若是将阵列天线DOA估计技术引入室内定位中,便可以部分解决上述多径问题。针对谱峰搜索和室内定位中存在的问题,本文提出了一种适用于多峰函数优化问题的小生境粒子群算法,并改进了MUSIC算法,有效解决了上述问题。论文的主要工作和创新点总结为以下两个方面:第一,本文研究了谱峰搜索计算量大的问题,以及经典粒子群算法在谱峰搜索中无法识别到全部解的问题。在粒子群算法的基础上,借鉴小生境思想引入了顺序聚类算法,提出了小生境粒子群算法。该算法利用空间中粒子的位置信息,将其划分到多个小生境实现并行搜索,并且搜索策略兼顾了搜索广度和深度。经过在基准测试函数中的仿真实验,证实了所提出的算法具有高精度、快速的特点。之后本文将所提出的小生境粒子群算法和同类算法在空间谱样例中进行了仿真比较,结果显示所提算法相比同类算法均有更高的精度和更快的速度,且算法在低信噪比环境下始终接近网格搜索的精度水平,证实其抗干扰能力强、性能稳定。第二,空间谱估计依赖阵列天线来实现,而目前量产的超宽带（UWB）模块均为集成单天线,无法满足多天线的要求,因此本文建立了仿真平台来模拟产生多载波正交频分复用超宽带（MB-OFDM-UWB）信号以及经过信道传输后的接收信号,将该信号作为定位系统的输入。此外还利用信号子载波间的相位差改进了MUSIC算法,使其能同时估计接收信号的DOA和飞行时间（TOF）,同时在谱峰搜索环节应用了小生境粒子群算法,有效地识别出多径中的直达波方向。最后在仿真平台中使用AOA定位算法验证了该方案的有效性。