极化敏感阵列在检测能力、抗干扰能力、分辨力等方面表现优越,因此在军事领域和民用电子领域具有极佳的价值和广泛的应用前景。在极化敏感阵列信号处理研究领域,学者们通常直接将适用于标量阵列的参数估计方法直接拓展维度应用到矢量阵列,这样使得极化敏感阵列的正交特性并没有得到充分的利用。本文将针对极化敏感阵列的多个信号入射情况下的空域信息和极化域信息估计算法进行研究,并探索互质阵、L型阵列和均匀圆阵的参数估计。针对均匀线阵极化敏感阵列参数估计,基于四元数模型给出了联合参数估计算法,仿真实验表明Q-MUSIC算法能够很好的保留极化敏感阵列的正交特性,算法精确度要高于Lv-MUSIC算法和极化ESPRIT算法。在此基础上。引入压缩感知理论,通过接收信号的协方差矩阵和互协方差矩阵的₁l-范数分解求解空间到达角信息,再通过稀疏重构方法重构接收向量,得到极化参数的估计,最后通过实验仿真验证基于压缩感知的估计算法性能优于Lv-MUSIC算法和极化ESPRIT算法。为了提高阵元的利用效率,引入互质阵极化敏感阵列进行参数估计算法的研究。虚拟阵列的阵元数要多于物理阵元数,由于三正交偶极子阵列可以获得三个维度的接收信号信息,对协方差矩阵进行重构的维度大于信号源的数量,因此分别分别研究了基于空间平滑、Toeplitz矩阵重构、压缩感知等三种方法,实验条件设定入射信号源数大于物理阵元数小于虚拟阵元数时,实验仿真证明三种算法均可以有效的参数估计。在极化敏感阵列的研究中,引入极化信息可以获得更多信息,同时也带来了算法运算量和复杂度过大的问题。降维MUSIC算法主要是通过将极化信息和空间到达角信息分离,分别通过MUSIC算法进行估。针对L型极化敏感阵列,通过采用Root-MUSIC算法求解空间到达角信息,再通过模值约束条件,通过优化函数求解极化参数。均匀圆形阵列（UCA）能够在方位角平面上提供360°的覆盖范围,并且无论到达角度如何都具有均匀的性能。针对这一特点,在波束空间将空域和极化域信息剥离,求得空间到达角信息,再通过模值约束条件,建立优化函数求解极化参数。最后通过实验仿真对比降维参数估计算法的性能和运算量。