阵列信号处理是现代信号处理领域的一个重要研究内容,在雷达、声纳、移动通信、电子对抗、医学工程、地质勘探和射电天文等领域都有着广泛的应用前景。通过对信号在时间和空间上同时进行采样和处理,可以更加充分地提取信号中的信息,从而更加有效地抑制干扰,提高系统的效率。应用阵列处理方法进行空间目标定位可以提高其测向精度与分辨率,同时求取入射信号的频率、时延和极化状态等信息对于确定目标速度、距离以及分类特征等状态也极为重要,因此波达方向(Direction Of Arrival,DOA)与此类参数的联合估计问题是阵列信号处理的重要内容。本文研究了阵列天线中空间信号的波达方向、频率等参数的估计问题,给出了有效的算法,并通过理论分析与仿真实验进行了验证。研究的阵列包括:均匀线阵、均匀圆阵和L型阵列。主要工作包括以下几个方面内容:系统地阐述了阵列信号处理的基本理论,包括阵列系统的数学模型和常用的阵列模型。然后研究了经典的子空间算法,包括MUSIC(MUltiple SIgnal Clasification,多重信号分类)算法和ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques,旋转不变信号参数估计技术)算法。介绍了平行因子(PARAllel FACtor,PARAFAC)的相关背景与知识,研究了三维数据分析的基本概念及基本方法,主要介绍了平行因子模型的分解方法:三线性交替最小二乘(Trilinear Alternating Least Square,TALS)算法和TALS的快速算法―COMFAC(COMplex parallel FACtor analysis)算法。研究了L型阵列中基于移不变性质的盲二维DOA估计算法。该算法首先利用阵列结构的特点构建一个矩阵,然后对其进行特征值分解得到信号子空间。该算法不需要谱峰搜索,能够很好地估计参数。与传统的ESPRIT算法相比,该算法不仅拥有更好的二维波达方向估计性能,而且能够辨识更多的波达方向。研究了均匀线阵中基于三线性模型的盲联合角度和频率估计算法。基于过采样系统的输出可构建一个三线性模型,通过对此模型三线性分解可以得到角度和频率。仿真结果说明提出的新算法具有较好的性能,而且在低快拍数情况下也能较好的工作。然后,讨论所提出算法应用在均匀圆阵和L型阵列中的可行性,证明所提出算法同样可以基于这两种阵列进行联合角度和频率估计。