分布式多传感器阵列的传统模式为:各子阵列单独进行信号参数估计,估计得到的参数通过通信链路发送到信息融合中心进行信息处理,这种模式忽略了阵列之间的相参性。多阵列联合处理能够利用阵列之间的相参性。本文给出了分布式阵列的基本概念,阐述了几何模型和信号模型。分析了分布式阵列联合相参的理论性能,采用误差椭圆和Crame′r-Rao (CRB)下限作为性能评价方法。相参处理相对非相参处理能够获得较高的性能增益。详细分析了影响处理性能的因素:信噪比、信号DOA、信号源距离。虚拟阵列内插方法能够将不规则的分布式阵列映射到均匀等距直线阵上,进而可以利用其Vandermonde结构。角度分区、校正方向数目、阵列的分布疏密程度都对阵列内插性能有影响,本文详细分析了这些因素,总结出其中的规律。子阵取向对阵列内插性能影响明显,与ULA取向一致的子阵会带来较高的性能。实际实现中,阵列内插方法具有很大的实现障碍。虚拟阵列的选取具有太多的主观性,目前尚无最优虚拟阵列的设计方法。因此,如果从阵列本身的信号模型出发,从数学结构的角度去构造Vandermonde结构,思路会更为明确。流形分离方法(MST)针对分布式阵列,将导向矢量分解为采样矩阵(取决于几何形状)和范德蒙结构矢量(取决于信号场)的乘积,进而把适用于线性阵列的快速DOA估计算法推广到任意阵列,例如求根MUSIC算法。实际应用中,噪声使基于MST的算法性能下降。分析了噪声对子空间类DOA估计算法的影响,给出了最优模式数目的选取方法。仿真结果表明基于MST的DOA估计方法性能取决于信噪比和模式数。