论文主要关注探地雷达(GPR)系统的信号中信号参量的估计问题。在实际的探地雷达系统中,GPR向地面发送电磁波。当这些电磁波遇到不同层面的电介质时,回波将被反射回地表。回声信号将被GPR系统收集和分析,和地下几何信息有关的数据将被分析。在进行一定的简化后,通过对时延参数的估计,每层电介质的厚度可以被唯一确定出来。这个问题属于在很多相关领域中非常典型的时延估计问题(Time Delay Estimation,TDE)。　　 本论文主要分为两大部分。在第一部分中,我们主要介绍在时延估计问题中的一些经典算法。比如旋转不变因子算法(Estimation of Signal　　 Parameter via Rotational Invariance Technique,ESPRIT)和矩阵铅笔算法(Matrix Pencil,MP)。在不同的条件约束下我们比较了这两种算法的性能表现。特别值得一提的是我们尝试在相同的带宽条件下比较了这两种算法的性能。　　 最后在这一部分中,介绍了一种在高相关性条件下对所有子空间算法(Subspace Algorithm)都适用的新方法。该算法在不减小信号带宽的情况下重建了一个满秩的协方差矩阵。这种新方法主要是用在波达角度(DOA)估计的,不过同样对时延估计问题有效。通过对该算法的计算机仿真,我们发现了这种算法的一些局限性,一些问题也有待进行更深入的研究。　　 在第二部分,我们特别关注在算法方程中出现的一种特殊的矩阵结构,并且强调在计算过程中保持这种结构对计算精度的重要性。对线性预测算法(MP和KT),我们介绍了一种迭代降秩方法让数据矩阵保持Hankel结构,并讨论了这种方法对原算法的改进。通过这种方法从原始算法中衍生出两种改良算法MMP(改良MP法)和MKT(改良KT法)。对于ESPRIT算法,算法中不变方程的解法通常采用最小二乘法(Least Squares)和总体最小二乘法(Total Least Squares)。但是这两种解法并不完全符合我们的实际情况。因此我们介绍了一种最新提出的结构最小二乘法(StructuredLeast Squares,SLS)。同样,对这种SLS-ESPRIT算法对原始算法的改良我们也进行了比较和讨论。并且通过具体的计算机仿真,证实这种改良后的算法相对原始算法性能确实有了一定程度的提高,达到了预期的效果。