信源数目估计是阵列信号处理的一个重要分支,具有重要的理论价值,在医学、通信、雷达、声纳、地震勘探、语音、图象和财经等诸多领域都极具应用价值。在这些领域中,对信号源数目的有效估计是非常重要的。尤其是在信号处理领域中,信号源数目估计对信号处理众多方法的研究及应用有着十分重要的作用。现有的许多算法一般都要求信号源数目等于或者小于阵元数目,且认为目标信号数目是已知的,但实际上后者是很难做到的。在处理过程中,一般假定传感器数目与源数目相等。因此,源数目估计对阵列信号处理技术的发展具有重要意义,也是目前必须予以解决的问题。本文首先介绍了白噪声条件下信号源数目的估计方法,然后重点研究了色噪声条件下的信号源数目估计方法。主要工作包括以下几个方面：1)研究了白噪声条件下,基于信息论准则的源信号数目估计方法。主要阐述了白噪声背景下的AIC、MDL、EIT、RAIC等信源数目估计算法的原理和实施步骤。主要对AIC准则和MDL准则进行了仿真,分析了这两种方法同信号入射角、信噪比、样本数、阵元数等因素的关系。2)介绍了色噪声条件下源信号数目估计的经典算法—盖尔圆准则,本文在盖尔圆准则的基础上,提出了基于伪协方差矩阵的盖尔圆准则,通过仿真实验发现,该方法性能优于同类算法。3)针对色噪声引起的阵列协方差矩阵特征值发散的问题,进行了深入分析,并对角加载技术进行了研究,重点讨论了加载量的问题。4)针对现有算法在色噪声环境下性能不佳的问题,提出了一种基于特征向量的信源数目估计方法。该方法在白噪声和色噪声情况下均有效,尤其是色噪声情况下性能突出,在低信噪比和低快拍数情况下,通过仿真发现优于其他同类算法,且该方法是一致性估计,稳健性强,计算量也不大。