由于信道传播的开放性、接收机周围环境的复杂性与多样性、通信用户的随机移动性,与散射多径现象相对应的高秩信号模型——分布式信源广泛存在于实际应用中,如蜂窝移动通信多径环境中的本地散射信号源、低仰角雷达目标跟踪系统中海面反射的回波信号源、对流层或电离层无线传播中的散射信号源等。因此,分布式信源参数估计成为阵列信号处理领域内研究的热点。本文系统的分析了分布式信源产生的原因及特征,详细的介绍了分布式信源参数估计的研究现状和关键问题。对移动通信中本地散射环境下的分布式信源参数估计算法进行了深入的研究,给出了基于传播因子的分布式信源参数联合估计算法和大角度扩散情况下的参数估计算法。研究了本地散射环境下的波达方向估计问题,根据子空间之间的旋转不变结构及其应用,给出了分布式信源一维和二维波达方向估计算法。这些算法为本地散射环境下的分布式信源参数估计提供了有效的实时解决方案。分布式信源参数联合估计子空间类算法,需要对接收信号的协方差矩阵进行特征值分解,当阵元数目较大时,计算复杂。为此，提出了基于传播因子的分布式信源参数联合估计算法。该算法将分布式信源方向向量进行一阶泰勒近似后,由传播因子估计噪声子空间,利用线性运算代替特征值分解。与传统子空间类算法相比,运算优势明显。另外,研究了基于Schur-Hadamard积波束域传播因子的分布式信源参数估计算法。根据角度信号密度对称的约束条件,将方向向量化简为点信源方向向量与实向量的Schur-Hadamard积,使其两个子矩阵满足传播因子的线性变换。经波束域空间转换后,利用波束域数据进行参数估计,能有效降低算法的计算量,提高算法在低信噪比时的性能。分析了在大角度扩散情况下的分布式信源参数估计问题,提出了基于Schur-Hadamard积波束形成的参数估计方法。通过将分布式信源积分形式的方向向量化简为点信源方向向量与实向量的Schur-Hadamard积,避免了谱峰搜索过程中的积分运算,降低了计算量,易于实时实现。由于在波束形成的约束条件中考虑了角度扩散,适用于角度扩散值较大的复杂通信环境。分布式信源参数联合估计中二维谱峰搜索需要大量的时间,使得算法的实时性下降。针对这一问题,提出了基于中心波达方向预估计的相干分布式信源参数分离估计算法,基于Schur-Hadamard积形式的方向向量消除了中心波达方向和角度扩散参数之间的耦合。将中心波达方向与角度扩散分离,把二维联合搜索简化为一维搜索,降低了算法的计算复杂度。另外,中心波达方向的估计不依赖于角度信号密度函数的任何先验知识,对散射体的空间分布具有一定的鲁棒性。在散射多径环境下,信号子空间不具有旋转不变性。对于本地散射环境下的波达方向估计问题,通过将相干分布式信源方向向量化简为点信源方向向量与实向量之间的Schur-Hadamard积,推导出子阵间的旋转不变结构,应用TLS-ESPRIT算法估计相干分布式信源的中心波达方向。该算法无需已知分布式信源的角度信号密度类型,适用于多个服从不同分布的相干分布式信源同时存在的场合。传统ESPRIT算法需要两次特征值分解,运算量较大,在工程应用中存在一定困难。提出基于一步特征值分解的P-ESPRIT算法,基于Schur-Hadamard积形式的分布式信源方向向量,利用传播因子的线性运算估计子阵间的旋转不变结构,进而得到中心波达方向估计的闭式解。与传统算法相比,该方法仅需一步特征值分解,计算更为有效,可有效解决本地散射环境下的波达方向估计问题。对于本地散射环境下的二维波达方向估计,给出了基于L阵的二维波达方向估计算法。利用阵列结构的特点估计仰角,构造基于Schur-Hadamard积的特殊二阶统计量估计方位角,所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能。该算法将二维波达方向联合估计简化为两步一维估计,计算简单。最后提出了相干分布式信源二维波达方向估计算法,该算法利用三个均匀线阵构成子阵X、Z、W。对子阵X接收的数据构造二阶统计量；利用传播因子估计子阵X与Z、X与W之间的旋转不变矩阵。由二阶统计量与旋转不变矩阵分别得到方位角与仰角估计的闭式解,无需任何谱峰搜索及特征值分解,降低了计算复杂度。