WiFi室内定位技术是近些年来大家关注的热点,GPS在室内定位上有局限性,每次定位至少需要捕获4颗卫星的信号,而且在室内和高楼密布的环境中,信号遮挡严重,常用的TOA(Time of Arrival)、TDOA(Time Difference of Arrival)、RSSI(Received Signal Strength Indication)等算法达不到定位精度和实时性的要求。因此,需要对室内定位算法进行新的尝试,研究一种能够满足人们需求的高精度,低复杂度的室内定位算法。DOA(Direction of Arrival)多参数联合估计算法通过对到达角、俯仰角、距离等参数进行联合估计以实现定位目的,大量研究成果在雷达、声纳、电子侦察等领域已投入使用,本文从以下几个方面对DOA多参数联合估计算法展开研究,验证算法在近场WiFi场景中的可行性。首先,研究了基于二阶累积量的多参数联合估计算法,梁军利等提出一种新型的基于二阶统计量的近场源定位算法,算法将累积量的性质与ESPRIT算法相结合,创新性的构建两个二阶累积量矩阵,算法不需要构造一个高维的累积量矩阵,就可以实现多参数的联合估计并且使得参数自动配对,提高了参数估计的性能。其次,研究了基于二阶统计量的ML算法,将基于子空间拟合的ML算法与MUSIC算法、新型的基于二阶统计量的近场源定位算法进行多参数估计的精度分析,并对比了几种基于二阶统计量的算法的复杂度。然后,针对二阶累积量算法性能较差的问题,利用高阶累积量的优势,对基于四阶累积量的两种多参数估计算法：对称阵列的MUSIC算法和非对称阵列的ESPRIT算法进行研究,比较两种算法的优缺点,详细分析了阵元数、快拍数、信噪比的变化对DOA多参数估计的精度产生的影响。接着,提出一种基于非对称阵列的TLS-ESPRIT改进算法,以较少的四阶累积量矩阵构造新的矩阵,将TLS-ESPRIT算法与MUSIC-like算法相结合,避免了参数配对问题,实现了多信源场景下的角度参数和距离参数的联合估计。改进后的算法提高了阵列孔径的利用率,与原算法相比,两种算法计算复杂度相近,但是改进算法有效的提升了参数估计的精度,通过仿真实验,对比分析了二阶累积量算法和四阶累积量算法的参数估计精度、计算复杂度。最后,对全文工作进行了总结,并对后续研究工作进行了展望。