随着信息时代的迅猛发展,磁电信号具有多样性,电磁波信号在时域、频域和极化域更加变化莫测,导致信号接收问题有了更多的考究。对于入射电磁波的信号源位置测定是其中极其重要的研究工作,常常应用于航空、导航、测向、定位和水下探测等多种复杂环境。其中对于电磁波,电磁矢量传感器是一种高灵敏度测量其定位角度和极化状态的仪器。极化状态是电磁波独有的一种属性,广泛应用于目标识别、雷达定位等领域。到达角（Direction of Arrival,DOA）估计是阵列信号处理（Array Signal Processing,ASP）的重要研究内容,DOA估计在信号源定位中有着举足轻重的作用。而传统的阵列信号测量算法,包括以基于旋转不变性参数估计（Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT）算法和多重信号分类（Multiple Signal Classification,MUSIC）算法等。以这两种算法为代表的空间谱估计算法已经日益成熟,电磁矢量传感器（Electromagnetic Vector Sensors,EMVS）的参数估计算法是在此基础上发展起来的。电磁矢量传感器由于其对电磁波独特的敏感性和其对电场和磁场信息具有不同结构,导致电磁矢量传感器的方法与传统的阵列有一定的差别。ESPRIT需要阵列具有旋转不变性,即:有两个完全相同的子阵列构成,但电磁矢量传感器因为其独特的物理结构组成的六分量已经在单一的传感器中保证了其旋转不变的特性,所以电磁矢量传感器阵列对于其空间中的分布并无太多限制,甚至于其单个的矢量传感器就能够进行参数的测量,这样的优点能在许多环境中工作,提升了其算法的适应性。为此,本文做了如下的原创性工作:（1）使用电磁矢量传感器接收数据,且当真实模型和假设模型都为短/长偶极子和小/大磁环的时候,利用ESPRIT算法分别进行空间谱估计和旋转不变性特点进行仰角方位角以及极化参数的估计。（2）使用电磁矢量传感器的接收数据,且当真实模型为长偶极子/大磁环（非理想条件）假设模型为短偶极子/小磁环（理想条件）时,估计出仰角方位角以及极化参数,并且给出真实值计算最小均方根误差（RMSE）,然后推导出模型失配下的克拉美罗下界并进行评估。（3）推导出真实模型为长偶极子/大磁环,假设模型为短偶极子/小磁环条件下关于DOA参数和极化参数在失配模型下的克拉美罗下界。真实模型为长偶极子/大磁环,利用短偶极子/小磁环模型获取估计值,用真实模型接收数据分解出空噪声子空间,把第一步的估计值作为初始值迭代找到最小仰角方位角和极化参数,然后使用改进的多重信号分类算法逼近真实值。最后使用matlab仿真工具将提出的新算法进行仿真。且将MCRB计算进行对比,除此之外还仿真短偶极子/小磁环算法和长偶极子/大磁环算法以及优化后的MUSIC便于对比,MCRB较为稳定的处于短偶极子/小磁环算法和长偶极子/大磁环算法之间,为失配模型下算法提供可靠支持。精度对比可以看出提出的算法在精度、支持范围、信源数限制等方面有着明显优势。