阵列信号处理在雷达、声纳、无线通信、生物医学等许多领域都有着非常广泛的应用,随着集成电路技术的发展形成了低成本、具有信号处理和通信能力的分布式传感器网络,这种系统可以应用于军事、工业、商用和民用等众多领域。阵列信号处理在传感器网络提取感兴趣的参数方面起了非常重要的作用,虽然在近几十年涌现出很多阵列信号处理的算法和研究成果,但是将它们应用于传感器网络仍然面临着诸多挑战。传感器网络由散布在工作区中的大量传感器节点组成,节点通常以电池供电因此能量有限,而且通信范围和计算能力也是有限的,因此设计低能耗的分布式传感器阵列算法是一项具有挑战性的任务。　　在分布式的传感器网络中采用集中式子空间估计方法将面临网络花费大、节点计算负担重、数据集中处理难等许多问题,本论文针对这些问题,研究了基于 Gossip算法的完全分布式子空间估计方法,主要结果如下:　　1.将幂法和优化Gossip平均一致算法相结合,采用完全分布式的方法估计样本协方差矩阵的特征向量,其优点是不需要明确的路由信息,所有节点并行的执行计算,每个节点只估计其在特征向量中所对应的值,具有很好的鲁棒性而且低开销。　　2.为了提高完全分布式子空间估计的跟踪性能,本文将Noja更新方程和Geographic Gossip平均一致算法相结合,提出采用完全分布式的方法跟踪主子空间,每个节点仅仅估计其在子空间矩阵中所对应的行,避免了数据集中处理的难题,仿真结果表明该分布式方法可以达到和集中式算法相似的性能,很好的逼近了真实信号子空间。　　3.为了提高完全分布式子空间估计的收敛速度,本文将PASTd算法和Broadcast Gossip平均一致算法相结合得到完全分布式的PASTd算法,通过仿真表明,该分布式PASTd算法可以达到和集中式算法相似的性能,应用于DOA估计时表现出良好的跟踪性能。