阵列信号处理是现代信号处理的一个重要分支,它是对传感器阵列接收到的信号进行处理,并提取有用信号特征的一种信号处理技术。其中,信源参数估计问题是阵列信号处理研究中的重要的方向之一。根据信源与阵列位置关系的不同,即当信源与阵列之间距离位于Fresnel域的内或外时,可区分为近场源和远场源,本文主要针对均匀线阵下近场信源的角度和距离参数估计问题进行研究。本文的主要工作总结如下:1)研究了基于旋转不变性的近场多参数估计方法,包括基于二阶统计量的参数估计方法和基于四阶累积量的参数估计方法。其中二阶统计量方法充分利用了信号子空间的旋转不变性结构,计算简单;四阶累积量方法对任意高斯噪声有很好的抑制作用,两种方法都无需谱峰搜索,能够直接得到角度和距离估计的闭式解,同时所估计参数能够自动配对。2)针对近场多参数估计中二维谱峰搜索复杂度高的问题,提出了级联类的近场多参数估计算法。包括级联多重信号分类(Successive Multiple Signal Classification,S-MUSIC)算法、级联广义旋转不变性参数估计(Successive Generalized Estimating Signal Parameters via Rotational Invariance Techniques,S-GESPRIT)算法和级联传播算子(Successive Propagator Method,S-PM)。该类算法首先通过构造特定矩阵,利用其子空间的旋转不变性做初始估计,随后通过两次一维搜索实现自动配对的角度和距离估计。仿真结果表明,所提算法的角度和距离估计性能优于旋转不变性方法,同时计算复杂度低于二维谱峰搜索类算法。3)研究了基于平行因子(Parallel Factor,PARAFAC)的近场多参数估计算法,该算法利用四阶累积量构造特定三维矩阵,通过三线性交替最小二乘(Trilinear Alternating Least Squares,TALS)方法得到三维矩阵的承载矩阵,而后利用承载矩阵的特性得到参数估计。该算法利用高阶累积量能有效抑制高斯噪声,且无需高复杂度的谱峰搜索,得到角度和距离估计能够自动配对。