水声阵列信号处理具有抗干扰能力强以及阵增益高等优点,发展到现在已经取得了丰硕的研究成果。目标角度估计算法(DOA,Direction of Arrival)是水声阵列信号处理中的一个重要的研究方向。水下环境噪声是影响水下目标方位估计算法精度的主要因素。已有文献多假设噪声模型为白噪声模型。然而在工程实践中,理想的白噪声条件难以满足,这会导致算法出现严重的性能下降现象甚至失效。矢量传感器可以同时测量声场某点处的声压以及介质质点速度的三个正交分量。与传统的声压传感器相比,矢量传感器能获得更多的声场信息,能得到更为精确的目标角度,因此成为国内外学者的研究热潮。基于矢量传感器的优点,本文基于声矢量传感器开展目标方位估计研究,与此同时研究非均匀相关噪声情况下的目标角度估计方法。各向同性噪声场中,单矢量传感器的声压传感器和振速传感器接收的噪声功率不相等,因此是非均匀噪声。另外两个矢量传感器之间的噪声相关性由阵元间距引起,当阵元间距小于半波长时,阵元之间的噪声存在明显的相关性,此时的背景噪声场为相关噪声场。因此阵元间距小于半波长时候,矢量阵的接收噪声为非均匀相关噪声。本文第一部分研究了稳健最大似然方位估计方法,用以抵抗非均匀相关噪声带来的影响。仿真结果表明,在非均匀相关噪声条件下,稳健最大似然方位估计算法的性能明显优于传统最大似然方位估计方法和传统MUSIC方法。第二部分验证了非均匀相关噪声条件下常规波束形成、广义旁瓣对消算法以及稳健广义旁瓣对消算法的性能。结果表明,在常规情况下,广义旁瓣对消算法相比于常规波束形成算法与稳健广义旁瓣对消算法来说更适合进行方位估计研究。而在低信噪比的非均匀相关噪声背景下,稳健广义旁瓣对消算法相对常规波束形成算法来说,更能抵御来自背景的强干扰,且主瓣的能量也高于广义旁瓣对消算法。另外,稳健广义旁瓣对消算法对阵列幅相误差稳健。本文的第三部分运用水池试验数据对稳健最大似然估计算法以及稳健广义旁瓣对消算法进行验证,处理结果进一步验证了稳健最大似然估计算法以及稳健广义旁瓣对消算法的优势。