在日益激烈的电子对抗中被动雷达所处电磁环境异常复杂,干扰与真实目标所辐射电磁波功率、天线扫描方式以及距被动雷达的距离均不同,因此被动雷达所接收到的信号通常为非等功率信号。本文正是围绕非等功率入射信号的DOA与极化参数估计问题进行研究,主要内容概括如下:研究了非等功率信号对MUSIC(Multiple Signal Classification)算法估计性能的影响。提出了非等功率信号期望谱分辨成功的判定准则,基于该准则与MUSIC算法的期望谱得到信号功率不等会导致MUSIC算法理论的角度分辨力下降。分析了非等功率信号对入射信号DOA估计克拉美罗界(Cramr Rao Bound CRB)的影响,发现信号功率不等会导致弱信号DOA估计CRB的微幅上升。然后基于CRB和估计误差服从的概率分布,定义了基于CRB的分辨成功概率,为不同DOA估计算法的分辨成功概率提供了参照对象。鉴于不变噪声子空间(Invariant Property of Noise Subspace,IPNS)算法可以有效对非等功率信号进行DOA估计。本文证明了IPNS算法对独立信号与相关信号均成立,扩大了IPNS算法的适用范围。推导了IPNS算法的期望谱,基于所提出的非等功率信号期望谱分辨成功的判定准则得到了IPNS算法的理论的角度分辨力。然后将对角加载引入到IPNS算法之中,对基于对角加载的不变噪声子空间算法(Invariant Property of Noise Subspace based on Diagnal Loading,IPNSDL)并进行了理论证明与计算机仿真,仿真结果表明IPNSDL算法的分辨力优于IPNS算法。最后进一步提出了基于噪声空间特征值重构(Eigenvalue Reconstruction of Noise Subsapce,ERNS)的IPNS算法(简称ERNS算法),并对该算法进行了原理证明与计算机仿真,仿真结果表明ERNS算法分辨力优于IPNSDL算法与IPNS算法更优于MUSIC算法。入射信号的极化信息可用于辐射源的分类与识别,本文研究了信号功率不等对入射信号DOA与极化参数联合估计CRB的影响。然后基于双极化阵列提出了非等功率信号DOA与极化联合估计的ERNS算法,并对该算法进行了计算机仿真,仿真结果表明ERNS算法的分辨力高于IPNSDL算法与IPNS算法和极化MUSIC算法。在对ERNS算法进行性能分析时采用理想的完全对称两极化方向图天线模型,而这在实际天线通常难以实现。本文设计了一种非对称式馈电缝隙耦合双极化微带天线,扩展了阻抗带宽,提高了端口隔离度与设计自由度,同时得到了非对称的两极化方向图。利用该天线非对称方向图进行算法性能仿真,证明了ERNS算法对非对称两极化方向图的适应度高于极化MUSIC算法。利用单极化共形阵列也可实现对入射信号的DOA与极化联合估计,本文研究了信号功率不等对共形阵列中入射信号DOA与极化参数估计CRB的影响。提出了基于共形阵列的ERNS算法,并基于不同共形阵列仿真了ERNS算法的估计性能,仿真结果表明ERNS算法的分辨力高于IPNS算法与极化MUSIC算法。在进行算法性能分析时采用平面天线理论方向图,这与共形天线实际方向图还有一定区别。所以本文设计了共形微带与蝶形天线阵列,并基于共形天线仿真方向图考察了ERNS算法的估计性能,结果表明ERNS算法采用天线仿真方向图时的估计性能低于理论方向图时的估计性能。