空间谱估计作为阵列信号处理理论的核心研究领域,特别是随着移动无线通信技术的逐步快速演进,它广泛应用于诸如智能网联车、无人机、无人艇等领域用以实现多智能体的位置感知、协作传输等功能。本论文针对空间谱估计理论中的波达方向(Directionof-Arrival,DOA)参数估计问题,着重研究了矩阵重构技术在两种不同信号模型场景下的具体实现形式。对于不相关信号和相干信号混合存在的场景,利用加权子空间拟合技术和斜投影技术重构阵列观测矩阵以分离上述两种信号,进而能够得到高效的二维DOA算法;对于分布式相干信号源场景,利用二维面阵的空间冗余来重构阵列观测矩阵,实现多信号源的中心角和扩展角估计。本论文的主要工作如下:(1)在点式信源模型下,针对不相关和相干信号并存的混合信号,利用加权子空间拟合实现了对二维估计的降维处理,将其转化成一维角度估计问题;然后利用估计参数表示的多项式来获取混合信号的DOA信息,通过从阵列流型中提取对应信息来实现不相关信号源二维角度的自动配对估计;之后设计了新的斜投影算法,将观测矩阵中不相关信号的信息分离出去,重构出新的阵列观测矩阵,从而得到相干信号二维角度的信息;最后利用局部搜索优化之前所得的角度信息,最终得到了高效的算法。(2)在多个分布式源信号彼此相干的情况下传统的子空间分解类方法经过平滑处理后会将其原本的积分结构破坏,并且对该模型应用平滑算法不能解相干从而导致扩展角无法估计。因此在本文中应用了一种通过Schur-Hadamard积的近似模型替代积分结构的分布式模型,并利用二维面阵的空间冗余特性重构阵列观测矩阵,从而解决扩展角无法估计的问题,可同时求解中心波达角和扩展角。