空间谱估计是阵列信号处理的一个重要的研究方向。到目前为止,已经出现了很多性能优秀的算法,其中以MUSIC算法和ESPRIT算法为代表的子空间类算法引起了人们广泛的关注,不仅在很多的实际场合得到了应用,而且派生出了大量的改进算法。首先介绍子空间算法在宽带信号空间谱估计中的应用。基于DFT变换的空间重采样算法利用虚拟阵列和重采样的理论使得重采样后的各频点的阵列流型相同,无需进行预估计。但其运算过程中存在产生大量冗余数据和计算量较大的缺点,本文采用类似空间平滑的处理充分利用中间数据；随后根据协方差矩阵的性质提出基于聚焦矩阵的空间重采样算法,在一定条件下降低了计算量。其次研究子空间算法在二维空间谱估计中的推广。MUSIC算法在二维空间谱估计中需要进行二维搜索,计算量巨大。ESPRIT算法的优势凸显出来,但是ESPRIT算法在二维空间谱估计中需要进行参数配对。本文针对传统配对算法稳健性较差的缺点提出改进方案,改进算法根据旋转矩阵的特征值和特征矢量之关系,生成配对矩阵来实现最终的参数配对。最后通过分析MUSIC算法和ESPRIT算法的原理,依据两种算法的特点选择MUSIC算法来实现基于FPGA的空间谱估计。根据MUSIC算法的步骤把实现过程分成相应的模块,给出各个模块的实现方案,并对各个模块进行相应的软硬件仿真以保证各个模块的有效性。通过各个模块的互联实现整个算法,最后考察设计的资源占用和消耗时间。