矢量水听器可以获取声压、振速等多维信息,然而传统的声矢量阵列将矢量水听器的声压信息和振速信息作为同等的阵元信息来对待,使得矢量水听器蕴含的多维结构信息在方位估计算法中没有得到充分利用。张量作为多维数据处理的统一语言,在高维代数运算中具有不可比拟的优势,并且可以指导信号处理应用中分解算法的数值实现。因此,本文将张量分解与传统的声矢量阵列方位估计方法相结合,使得矢量水听器数据的多维结构信息得到充分利用,达到提高方位估计精度的目的。本文首先从理论上研究张量分解算法并分析了不同张量分解算法之间的区别,接着在矢量水听器阵列信号的矢量模型基础上建立了矢量水听器阵列信号的张量模型;进而通过高阶奇异值分解(HOSVD)处理得到比矢量模型下的信号子空间更加精确的张量信号子空间;分析了高阶正交迭代(HOOI)算法在不同信噪比下得到的最佳秩张量信号子空间,进一步提高信号子空间的估计精度;最后将张量分解方法分别与常规波束形成(CBF)、多重信号分类(MUSIC)算法和旋转不变子空间(ESPRIT)算法相结合得到基于张量分解的声矢量信号的方位估计方法,提高通过矢量水听器阵列进行方位估计的精度。通过仿真研究,基于张量分解的声矢量信号方位估计方法比传统方位估计方法更能体现矢量水听器多维数据之间的联系,估计出更加精确的信号子空间,有效地抑制噪声,从而得到更低的旁瓣,获得更高的估计精度,提高了低信噪比时方位估计的准确性。