波达参数估计是阵列信号处理的重要研究内容，它在雷达、通信、声纳、地震等众多领域有着广阔的应用前景，对波达参数估计方法的研究有着重要的理论和应用价值。盲源分离是近年来提出的非常有效的数据分析工具，它充分利用信号的独立、稀疏等统计特性，揭示随机变量、测量数据或信号中的隐藏成分。本论文利用盲源分离理论和算法，系统研究了远场、远场互耦、近场、相干条件下波达角和距离等参数的估计问题，给出了有效的算法，并通过仿真实验进行了验证。全文的主要工作包括:1.介绍了盲源分离，尤其是独立成分分析的基本原理。从目标函数构造出发，将独立成分分析算法大致分为两类，分别介绍了两种经典的独立成分分析算法，FastICA算法和JADE算法。将盲源分离和阵列信号波达参数估计问题进行比较分析，讨论基于盲源分离的阵列信号波达参数估计的可行性。2.研究了远场条件下均匀线阵、均匀圆阵、L阵波达角估计问题，基于盲源分离，提出了相应的波达角估计算法。除利用阵列构型的空间信息外，基于盲源分离的波达角估计算法还充分利用了源信号的高阶累积量、时间结构等先验信息。基于盲源分离的波达角估计算法中，每个源信号对应的波达角分别进行估计，所需阵元数少。波达角相差较小时，基于盲源分离的波达角估计算法优于经典的高分辨率算法。3.利用盲源分离和互耦矩阵特性，对均匀线阵和均匀圆阵的互耦条件下波达角估计问题进行了研究。首先利用盲源分离算法，估计出广义阵列流形矩阵，利用均匀线阵互耦矩阵为带状、对称Toeplitz矩阵，均匀圆阵互耦矩阵为循环对称Toeplitz矩阵的性质，将均匀线阵和均匀圆阵互耦条件下波达角估计问题转化为多个可分离非线性最小二乘问题，通过搜索多个空间谱函数的最大值获得波达角的估计。所提算法无需对互耦参数进行估计，通过搜索多个空间谱函数的最大值而非单个空间谱函数的多个峰值来获得波达角的估计，不会陷入局部极值。4.研究了基于均匀线阵和均匀圆阵的近场信号源距离—波达角联合估计问题。对于均匀线阵，首先利用盲源分离算法，实现阵列流形矩阵估计，结合Fresnel近似，得到距离和波达角的初始估计。为了提高参数估计性能及消除Fresnel近似带来的估计偏差，利用非线性最小二乘和距离—波达角的初始估计，得到更高精度的距离—波达角估计。该算法无需参数配对，所需阵元数少，消除了Fresnel近似带来的固定估计偏差。对于均匀圆阵，首先由盲源分离算法估计阵列流形矩阵，利用近场和远场条件下方位角相同的结论，由阵列流形矩阵的估计得到方位角的估计。然后结合Fresnel近似和非线性最小二乘，获得距离—方位角—俯仰角的联合估计。该算法同样不需要进行参数配对，也无需多维频域搜索，无需考虑全局收敛的问题。5.针对相干源波达角估计问题，首先利用均匀线阵的旋转不变性，提出了一种无需特征分解和峰值搜索的完全相干源快速波达角估计算法。该算法充分利用均匀线阵的旋转不变特性，仅利用观测数据的协方差矩阵，通过多项式求根获得波达角的闭合解。结合相位模式激励技术，该算法还可以直接应用于均匀圆阵相干源一维波达角估计。基于该快速算法和盲源分离，提出一种均匀线阵部分相干源波达角估计算法。算法利用均匀线阵的旋转不变性，消除了盲源分离算法带来的顺序不确定性。论文最后给出了本文工作的系统总结，对今后的研究进行了展望。