阵列信号处理是信号处理中的一个重要的研究方向,其广泛的应用于许多不同的科学和工程领域例如雷达、声纳、通信、无线电天文观测、医学诊断、地震探测和军事电子对抗等等。虽然经历了近三十年的发展,其基本理论架构和基本算法已经相当成熟,但是在实际应用中仍然还有大量问题尚未解决。本文深入研究了其中一些问题,主要包括低信噪比信号源个数估计、多维参数联合估计、相干信号方向估计以及宽带信号阵列测向等问题,提出了一系列有效的算法,并进行了大量的仿真实验和理论分析。因此,本文主要工作归纳如下:研究了以往基于特征值的信号源个数估计方法,并分析了低信噪比信号时,阵列接收数据产生的相关矩阵的特点。在低信噪比条件下阵列接收数据相关矩阵的特征值更容易受到噪声的干扰,而使得基于特征值的信号源个数估计方法无法在低信噪比下很好的使用。本文针对实际的电子侦察等低信噪比环境,提出了两种基于特征向量的信号源个数估计方法,而且引入了多变量分析方法,给出了低信噪比下的信号检测性能。新的信号源个数估计方法无论在高信噪比还是低信噪比下,都可以实现正确的信号源个数估计。研究了仰角和方位角联合估计问题,重点分析了实际中广泛使用的L阵的特点,并提出了针对不同信号环境下充分利用互相关矩阵的解决方法。首先,提出了在一般的非相干信号条件下快速有效的联合参数估计方法,并研究了统计性能和推导了估计误差的渐进均方误差(MSE)表达式。其次,针对非相关信号环境提出了两种自动配对的有效联合估计方法。最后,提出了一种新的相干信号下的有效联合参数估计方法。因此,本章的贡献在于给出了一系列针对不同信号环境下的二维参数联合估计方法。研究了相干信号测向方法,并在以往算法的基础上,提出了一种已知波形信息下的快速有效的DOA估计,算法通过无需特征值分解的线性变换技术提取所需的子空间,而后充分利用旋转不变的阵列结构估计出DOA,而无需复杂的谱峰搜索和求根过程,仿真实验表明本文的算法虽然会比传统的已知波形估计方法稍微差一些,但是计算量的大大降低使得在实际环境中可以很好的使用。研究和分析了如何充分利用空间和时间信息提高信号检测能力和估计性能的问题。首先提出了一种频率和角度联合估计的算法,利用足够的时间相关来构造一个无噪声影响的伪协方差矩阵,然后利用这一矩阵对参数估计实现自动配对。其次针对最小冗余阵又提出了一种有效的阵列扩展DOA估计方法。进一步在第四节基于广泛应用的二维测向阵列结构L阵的基础上,提出了一种无需配对的仰角和方位角联合估计方法。最后仿真结果表明,充分合理的利用时间信息可以获得更好的阵列信号检测和估计精度。对现在广泛使用的宽带信号进行了分析和研究,并针对一些特殊情况提出了一种新的DOA估计模式。与传统的宽带信号的DOA估计方法相同,本文首先对宽带信号进行分割,但是所提方法对每一个频段的互相关进行排列,构成无噪声影响的Toeplitz矩阵来实现宽带信号的DOA估计。计算机仿真实验表明,提出的方法可以对信号源个数大于阵元个数的情况进行有效的估计。