近三十年来,阵列信号处理作为信号处理领域的一个重要的分支得到了迅速的发展,广泛地被应用于雷达、通信、声纳、地震、射电天文等军事及国民经济领域。本文主要针对于阵列信号处理中多参数估计以及短数据阵列测向两方面的内容进行研究。首先,对于阵列多参数估计,研究了信源数估计算法及频率与角度联合估计算法。在信源数估计方面,简要介绍了传统的信源数估计算法后,提出一种基于伪协方差矩阵的信源数估计算法。该算法充分的利用了阵元间的时间相关构造伪协方差矩阵,有效地扩展了阵列,提高了信源数检测性能。由于重构数据矩阵时对原数据的平均达到了平滑噪声的作用,使得该算法适用于色噪声情况下。仿真实验证明其检测性能优于传统的信源数估计算法。而在频率与角度联合估计算法方面,本论文对现有的一些频率与角度联合估计算法进行了研究,并将伪协方差矩阵的思想扩展至L阵,提出了频率与二维DOA联合估计算法。由于对阵列孔径与时间孔径的有效扩展,使得该算法具有较好的角度、频率估计精度以及角度分辨率,仿真结果证明了算法的有效性。其次,研究了短数据阵列测向算法。传统阵列测向算法在数据快拍数较小(短数据)的情况下,性能将急剧下降,不能达到测向的精度要求。跳频通信与突发短时通信等低截获技术近年来的广泛应用,非合作接收中天线波束无法对准等都会造成短数据情况。针对这一问题,本文利用随机矩阵理论及相关结论分析了传统阵列测向算法在短数据情况下性能下降的原因。重点讨论了两种现有的调整子空间类算法,而后,提出了一种迭代算法实现短数据情况下的阵列测向。由于该算法避免了协方差矩阵的特征值分解,而是通过对样本协方差矩阵的迭代来逼近真实值,对于短数据测向有较好的性能,且有较高的角度分辨率。