被动信源定位是阵列信号处理领域的一个重要研究内容，在雷达、通信、声呐、地震勘测等方面有着广泛的应用，具有重要的研究意义与应用价值。在过去，大量针对远场信源的高分辨DOA估计算法被提出，但是，在某些特殊的场合，可能部分信源位于远场区，而另外的信源位于近场区。在这种近场信源与远场信源共同存在的特殊情况下，已有的远场或近场定位算法已不再适用，因此，研究近场远场混合信源定位具有重要的意义与价值。　　大部分DOA估计算法是利用阵元接收数据的二阶统计特性，它只能对平稳的高斯噪声进行抑制，对于非高斯噪声则无法消除。与二阶统计量相比，高阶累积量因其具有盲高斯性、强鲁棒性等优点而受到广泛关注。另外，目前很多算法仅局限于均匀线阵，由于其阵列孔径损失导致信源参数估计精度不高。针对这个问题，稀疏阵列得到了广泛的关注，相对于均匀阵列，稀疏布阵可以扩大阵列孔径，提高参数的估计精度，减小实际应用的成本。本文针对上述近远场混合信源定位中存在估计精度低、阵列孔径损失大的问题进行研究，提出了一些性能优越的算法，其创新性工作主要如下：　　1.针对二阶统计量精度差、稀疏重构算法无法抑制噪声项的问题，提出了一种基于四阶累积量稀疏重构的混合信源定位算法。通过阵列接收数据的四阶累积量计算，构造了两个特殊的四阶累积量矩阵，抑制了噪声项。其中一个仅与信源角度有关，另一个包含信源角度和距离两个参数。利用这两个矩阵构造稀疏表示模型，通过对矩阵的奇异值分解减少了计算复杂度且进一步抑制了噪声，最后利用加权l1范数模型求解实现信源的DOA估计。该算法避免了阵列孔径损失，无需选取平衡重构残差与解稀疏性的正则化参数，且无需二维搜索，近场信源的角度和距离参数自动配对。　　2.针对混合信源定位中存在阵列孔径损失的问题，提出了一种基于稀疏对称阵列的混合信源定位方法。首先通过不同子阵接收数据的四阶累积量运算构造出几个仅包含信源角度的四阶累积量向量，该向量的相位部分变化与均匀线阵相同。由四阶累积量向量构造出一个Toeplitz矩阵，然后通过MUSIC算法估计出近场源和远场源的角度参数。最后，在每个估计的角度上进行距离维的搜索，从而到估计得近场源的距离。该方法避免了二维搜索，且参数自动配对，阵列孔径的扩展提高了信源参数的估计精度。