传统的空间谱估计算法通常假设信源位于阵列的远场区域。然而在许多实际应用中,信源往往位于阵列的近场,这将引起远场算法性能的下降,甚至完全失效。因此,近场信号源参数估计问题已经成为阵列信号处理领域近十年的研究热点和难点。尽管近场源参数估计的理论日趋成熟,内容日益丰富,但如何充分利用信号的空-时-频-极化特性、提高参数估计性能、降低运算复杂度、提高算法稳健性、实现参数自动配对等问题仍是近场参数估计的重要研究内容。本文围绕这些问题,对近场复杂信号源的高分辨参数估计算法展开研究。主要工作可概括为如下三个部分。第一部分研究了用于标量阵的近场源参数估计算法。首先,通过分析近场信号模型和两类经典近场算法,指出了现有算法中存在的阵列孔径损失问题。接着,针对近场非圆信号的参数估计问题提出了两种算法:非圆广义ESPRIT(NCGESPRIT)算法和实值非圆降秩(RVNCRARE)算法。NCGESPRIT算法对传统的GESPRIT算法进行扩展,得到信源的DOA估计,并给出了一种新的距离谱函数。RVNCRARE通过对近场扩展导向矢量进行不同形式的解耦后,两次使用实值降秩(RARE)估计器分别得到DOA和距离的估计,在运算量更低的实数域解决了近场非圆信号的参数估计问题。这两种算法均能有效地利用信号的非圆特性,在提高参数估计性能的同时增加可分辨信源的数目。最后,还提出了一种用于均匀圆阵的单个近场源四维参数估计的快速算法。通过构造阵元滞后和时间滞后的互相关序列,利用最小二乘得到方位、俯仰、距离以及频率的估计。该算法无需谱峰搜索和特征分解,计算简便,阵元数目配置灵活且阵列孔径可以扩展,更有利于工程实现。第二部分研究了用于电磁矢量阵的近场源参数估计算法。首先,介绍了一种基于正交偶极子阵列的近场源参数估计算法:极化ESPRIT-like算法。针对极化ESPRIT-like中孔径损失和参数配对的问题,利用非对称的线阵结构提出了一种改进算法。该算法能够充分利用阵列孔径以及极化带来的自由度,且避免了参数配对。其次,通过将偶极子与磁环进行空间分置,提出了一种新的基于拉伸式电磁矢量传感器的近场六维参数估计算法。该算法仅需一个六分量的全电磁矢量传感器,结构简单,且降低了偶极子与磁环之间的互耦。另外,该算法无需高阶累积量和谱峰搜索,各参数自动配对,因而运算量较低。第三部分研究了远场源与近场源共存时的参数估计问题,提出了四种远近场混合源参数估计算法。首先,利用分布式相参阵列对空间混合源进行参数估计,提出了一种累量域的双尺度移不变算法。该算法主要分为两个阶段:第一阶段中,通过构造一个仅包含DOA信息的四阶累积量矩阵,可将DOA估计和距离估计解耦,并利用双尺度移不变ESPRIT在累量域分别得到DOA的有模糊精估计和无模糊粗估计;在第二阶段中,构造另外一个四阶累积量矩阵来避免秩亏损所导致的算法失效,通过对虚拟导向矢量进行解耦,得到距离的有模糊精估计和无模糊粗估计。经解模糊后实现对远近场混合源的高精度无模糊参数估计,在阵列规模不变的前提下实现了孔径扩展,提高了参数估计的精度。其次,针对实际应用中信源数的先验信息往往无法准确预知的问题,提出了一种无需信源数预估计的混合源参数估计算法。通过构造多个空时累积量矩阵,并利用这些矩阵间的联合对角化结构推导出了DOA估计谱函数,再由Capon方法得到距离参数的估计。该算法无需对混合源数目进行预估计,充分利用了阵列孔径及空域和时域信息,降低了信噪比门限。另外,提出了一种基于二阶统计量的DOA、距离、频率三维联合估计算法。通过选择合理的阵元序号,构建四个二阶相关矩阵,采用ESPRIT方法得到方向、距离、频率的闭式解。该算法仅需二阶统计量,避免了谱峰搜索,因而计算复杂度有效降低。最后,针对互耦效应下的混合源参数估计问题,提出了一种两级降秩(TSRARE)算法。先通过RARE估计器得到远场DOA。在对互耦进行补偿之后,通过协方差矩阵差分消除远场分量,再次利用RARE得到近场源的DOA估计值,并由一维MUSIC搜索得到近场源的距离参数。TSRARE算法对互耦误差稳健,能够对远场源和近场源进行合理的分类,且无需高维搜索和参数配对。