电磁矢量传感器（Electromagnetic Vector Sensor,EMVS）阵列是未来无线通信和雷达中最有潜力的阵列之一,因为它能够精确提供二维（Two-Dimension,2D）的波达方向（Direction Of Arrival,DOA）估计和信源信号的极化角估计。众所周知,现有的子空间算法不能直接应用于非均匀噪声场景。因此,本文利用电磁矢量传感器阵列来解决在非均匀噪声下二维DOA估计问题。此外,张量这种高维数据分析方法在阵列信号处理领域中的应用越来越广泛,因为我们可以利用张量的性质并且可以更好地抑制噪声。本文将张量运用到电磁矢量传感器阵列来展开研究,其主要研究内容和创新点如下:首先,本文阐述了阵列信号处理DOA估计的历史和国内外研究现状,介绍了EMVS阵列信号处理的历史,并解释了其原理和特点,将EMVS阵列和传统标量阵列进行对比,突出了前者在目标角度估计中的优势,同时引入了张量的概念,介绍了张量在阵列信号处理领域中的研究现状。然后,本文介绍了阵列的基本概念和相关知识,并且介绍了三种经典的DOA估计算法:MUSIC算法,ESPRIT算法和PM算法,构建了信号模型,进行了公式推导,总结了算法步骤,比较了三种算法的优缺点,并且用Matlab进行仿真来检验算法的有效性和准确性。随后,本文考虑了EMVS阵列存在非均匀噪声时的二维DOA估计问题,提出了一种改进的基于子空间的算法。首先,将非均匀噪声问题重新定义为矩阵填充问题。然后,通过求解凸优化问题来获得阵列的无噪声协方差矩阵。其次,利用EMVS阵列的移不变性原理构造归一化极化导向矢量。最后,结合矢量叉乘技术和伪逆的方法,实现对二维DOA和极化角的估计。该算法适用于任意几何流形的EMVS阵列,且不受非均匀噪声的影响。仿真结果验证了该算法的有效性。最后,本文提出了一种基于协方差张量的算法解决了二维DOA问题。首先,用一个四阶协方差张量来表示阵列协方差矩阵。然后,利用高阶奇异值分解（HOSVD）获得增强的信号子空间。其次,利用均匀阵列的旋转不变性,我们可以得到仰角。接下来,利用矢量叉乘技术估计方位角。最后,利用最小二乘法可以很容易地完成极化参数估计,从而有助于识别微弱信号的极化状态。所提出的张量协方差算法可以适应空间有色噪声场景,鲁棒性更强。仿真实验证明了该方法的优越性和有效性。