La estimación de la dirección de llegada (DoA) de ondas electromagnéticas (EM) que inciden en un conjunto de antenas esféricas en ventanas de tiempo corto se examina en este documento. Las señales EM reflejadas debido a la propagación no en línea de visión medidas con un conjunto de antenas esféricas pueden ser coherentes y/o altamente correlacionadas en una instantánea. Esto hace que los métodos basados en espectros sean ineficientes. Los métodos espectrales, como los métodos de máxima verosimilitud (ML), clasificación de señales múltiples (MUSIC) y métodos de formación de haces, son investigados teórica y sistemáticamente en este estudio. MUSIC es un enfoque utilizado para la estimación de frecuencias y la localización de direcciones de radio, ML es una técnica utilizada para estimar los parámetros de una distribución de probabilidad asumida para los datos observados dados, y PWD aplica una transformada de Fourier a la respuesta capturada y los produce en el dominio de frecuencia. Aunque han sido adaptados y utilizados previamente para estimar la DoA de señales EM que inciden en configuraciones de conjuntos de antenas lineales y planas, este documento investiga su idoneidad y eficacia para un conjunto de antenas esféricas. Se realizaron diversas simulaciones por ordenador y se generaron gráficos del error cuadrático medio (RMSE) contra la raíz cuadrada del límite inferior de Cramér-Rao (CRLB) que se utilizaron para evaluar el rendimiento de cada método. Experimentos numéricos y resultados de datos medidos muestran el grado de adecuación y eficiencia de cada método. Por ejemplo, las técnicas muestran un rendimiento idéntico al del escenario de banda ancha cuando la frecuencia f = 8 GHz, f = 16 GHz y f = 32 GHz, pero f = 16 GHz es la que mejor se desempeña. Esto indica que la diferencia entre la matriz de covarianza de la señal es coherente y que los vectores de dirección de las señales que inciden desde ese ángulo son pequeños. MUSIC y PWD comparten los mismos problemas en el escenario de una sola frecuencia que en el escenario de banda ancha cuando la muestra de retraso d = 0. En consecuencia, la estimación de DoA obtenida con técnicas ML es más adecuada, menos sesgada y más robusta contra el ruido que las técnicas de formación de haces y MUSIC. Además, las técnicas de ML determinísticas (DML) y de ajuste de subespacios ponderados (WSF) muestran un mejor rendimiento en la estimación de DoA que la técnica de ML estocástica (SML). Para un gran número de instantáneas, WSF es una mejor opción porque es más eficiente computacionalmente que DML. Finalmente, los resultados obtenidos indican que WSF y los métodos de ML tienen un mejor rendimiento que MUSIC y PWD para las señales coherentes o parcialmente correlacionadas estudiadas.