早期的空间信源定位研究主要集中于远场源的DOA(Direction of Arrival)估计,然而当信源靠近阵列而处于阵列的Fresnel区(近场区)时,波前的固有弯曲不能忽略,即远场平面波前的假设不再成立,此时需要用球面波来精确描述,从而引入了近场源问题。由于其球面波前形状随阵元位置具有非线性变化特性,需要由信源的距离和DOA联合确定,当信源的频率未知时,近场源参数估计就成了频率、距离和DOA的联合估计问题。近场源定位在语音增强、声源定位、雷达、声纳、电子监测和地震监测等领域中具有广泛的应用。本文以近场源参数估计为重点,对远场源、近场源、近场和远场源混合场景下DOA、频率、距离等参数的联合估计问题进行了研究。全文的主要工作如下:第一章分析了课题研究的背景和意义,介绍了国内外在近场和远场波达参数估计方面的研究现状,然后给出本文的内容和结构安排。第二章介绍了基于均匀线性阵列的远场源数据模型。通过分析确定与空间信源位置有关的参数形式和特点,对比了远场窄带信号DOA估计的子空间类方法的两种代表性算法:ESPRIT(Estimating Signal Parameter via Rotational Invariance Techniques)方法和MUSIC(Multiple Signal Classification)方法。从仿真结果可以看出虽然MUSIC算法性能优于ESPRIT算法,ESPRIT算法计算量较小,实时性占优,更接近于实际应用系统的指标要求。第三章引出近场源定位问题,建立了近场源数据模型并进行分析,着重分析了当前应用广泛的基于四阶累积量的ESPRIT-like估计算法,该方法无需搜索或迭代等操作,可以较好的联合估计频率、距离和DOA等参数,由于方法利用了阵列的对称性,具有2N个阵元的均匀线阵最多只能估计N个信源,阵元利用率较低。第四章借鉴了盲源估计中的JADE(joint approximate diagnalization)算法原理,提出了一种基于矩阵联合对角化的近场源多参数联合估计方法,该方法通过一组高阶累积量矩阵的联合近似对角化来实现信源分离的同时得到阵列流型矩阵的估计,该方法只要求阵元数多于源信号数,提高了阵元利用率,而且估计性能优于传统的基于高阶累积量的ESPRIT-like方法。第五章考虑到在实际情况中经常存在多近远场信号源混合的场景,此时原有的近场源和远场源定位方法都不再适用,针对当下大部分混合信源参数估计方法存在的计算量偏大和阵元利用率低等问题,本章借鉴了基于特定阵元输出的ESPRIT-like算法原理,利用非中心对称的十字阵列,基于特定阵元的输出来构造累积量矩阵和旋转不变因子,能够有效实现多近远场混合信源的二维波达角、距离和频率参数的联合估计。该方法大幅降低了参数估计计算量,提高了阵元利用率,而且参数估计性能有所提升。论文最后对本文工作进行总结,指出了论文不足之处和有待进一步研究的问题。