信源数估计是阵列信号处理中的关键问题之一,在雷达、通信、生物医学、地震信号和电子对抗等领域有着广泛的应用。精确的信源数是许多超分辨阵列信号处理算法实现的前提条件之一,如果估计的信源数与实际不一致,许多超分辨算法的估计性能将急剧下降,甚至完全失效。因此,信源数估计是阵列信号处理中的一个重要研究课题,也是雷达、通信等领域的基本任务之一。现有的算法大多数是在高斯白噪声的理想环境下提出的,而工程应用中常见的是非平稳噪声、非高斯噪声和色噪声,因此研究有效的信源估计算法更加具有实际意义。本文研究在不同噪声背景下的信源数估计问题,在已有成果的基础上提出新的方法。论文的主要内容包括:介绍信源数估计的基本方法,包括假设检验方法、信息论准则(AIC和MDL)、盖氏圆方法和基于Bootstrap的方法,分析以上算法原理和在不同噪声背景下的性能,并通过实验验证其效果;1.研究常用的信源数估计方法在实际应用环境(例如在有限快拍或非白噪声)中存在的问题并分析原因;2.总结有限快拍时噪声的特征值分布规律,并通过大量的样本和重复实验次数,得出特征值的准确计算公式或某种条件下的估计方法,利用计算结果降低噪声影响,从而得到有限快拍情况下提高信源数估计性能的方法,并通过实验验证其效果;3.研究非平稳噪声环境下的信源估计问题。首先,在有限快拍数时,估计噪声特征值的分布,并通过实验仿真验证其效果;其次,提出利用变换矩阵抵消非平稳噪声的方法,之后利用重抽样方法提高算法估计性能;最后,利用特殊构造的对角矩阵,来降低算法复杂度并提高估计性能,并通过实验验证算法效果。