入射信号的波达方向(Direction of Arrival,DOA)估计技术是阵列信号处理领域的研究热点之一。空间谱估计算法由于其优良的DOA估计能力被广泛应用在雷达、声呐、探测以及医疗等诸多领域。这类算法的良好的角度估计能力的前提是入射信号为不相关信号,然而实际环境中不相关信号与相干信号通常同时存在,此时阵列接收数据的协方差矩阵的秩会发生亏损,空间谱估计算法的角度估计能力将会大大下降,因此研究此类情况下的DOA估计问题不仅具有理论意义,而且还具有一定的工程实现价值。本文对不相关信号与相干信号共同存在场景下的DOA估计问题展开了深入的研究,就现有算法中存在的一些问题提出相应的解决方法及改进方案,具体包括以下几个方面:1.针对标量阵列下不相关信号与相干信号并存的二维DOA估计问题展开了研究,在双平行线阵阵列接收信号模型下提出了一种基于多重矩阵重构的二维DOA估计算法。将不相关信号与相干信号联合考虑,利用双平行线阵阵列接收数据的自相关矢量与互相关矢量构建四个虚拟的协方差矩阵,将这个四个虚拟的协方差矩阵以及它们的后向版本进行进一步的重构得到一个联合矩阵。利用传播算子算法的思想,计算出对应于该联合矩阵的传播算子。对传播算子进行扩展得到与虚拟的导向矢量正交的正交子空间,然后构造一个伪谱函数,对该伪谱函数采用求根的方法直接得到不相关信号与相干信号的一维DOA估计结果。在得到一维DOA信息后,利用双平行线阵阵列间的互相关矢量构建一个新的虚拟协方差矩阵,联合此协方差矩阵和原来的虚拟的协方差矩阵得到一个新的联合矩阵,再一次计算出这个新的联合矩阵的传播算子,并将该传播算子扩展为一个新的形式,结合先前已经得到的一维DOA信息实现对另一维角度的估计并实现自动配对。所提出的算法能够以极低的计算复杂度实现不相关信号与相干信号的二维DOA估计,通过一系列的计算机仿真实验验证了所提算法的有效性与可靠性。2.与传统的标量传感器相对,针对极化敏感阵列下的不相关信号与相干信号的DOA信息与极化参数联合估计问题展开了研究。基于正交偶极子极化敏感线阵阵列提出了一种不相关信号与相干信号的一维DOA信息与极化参数联合估计算法,基于双平行COLD阵列提出了一种不相关信号与相干信号的二维DOA信息与极化参数联合估计算法。对于一维DOA信息与极化参数联合估计算法,首先构造目标矩阵,依据子空间方法估计不相关信号的入射角度,利用正交偶极子阵列接收数据的相关性估计出不相关信号的极化参数,在估计的过程中角度信息与极化信息直接可实现正确的配对。而后对特征矢量重新排列,估计出每个相干组的入射角度,利用最小二乘法估计出每个相干组的极化参数。与现有的针对全电磁矢量传感器的算法相比,所提出的算法减小了硬件资源的消耗,并且实现了对极化信息的估计,提高了可估计的信号的数目。与现有的同类算法相比,所提出的算法提高了对相干信号的角度估计精度,一系列的仿真实验验证了所提出的算法的有效性与可靠性。对于二维DOA信息与极化参数联合估计算法,首先计算阵列接收数据的协方差矩阵,对协方差矩阵进行特征分解得到与入射信号导向矢量所对应的信号子空间,采用ESRPIT算法的思想估计出不相关信号的一维DOA信息,而后利用COLD阵列接收数据之间的相关性估计出不相关信号的极化参数。结合实现估计出的一维DOA信息与整个双平行阵列的信号子空间实现对另一维角度的估计并同时实现正确的配对。在实现不相关信号的估计后,对每个相干组对应的特征矢量进行重新排列构建三个虚拟的对应每个子阵列的协方差矩阵。这三个虚拟的协方差矩阵的包含了每个相干组所对应的二维DOA信息与极化参数,并且在构建的过程中保证了这三个虚拟的协方差矩阵的秩得到了恢复。依据ESPRIT算法的思想,这三个虚拟的协方差矩阵皆可以用于估计当前相干组中所含信号的一维角度信息。对着三个虚拟的协方差矩阵进行进一步的分解可以发现,极化参数与另一维DOA信息皆可以通过最小二乘的思想来求解,至此得到了全部的不相关信号与相干信号的DOA信息与极化参数。