空间谱估计技术主要用于估计处理带宽内信号的到达方向,研究提高角分辨率和估计精度的算法,以及提高算法的处理速度。传统算法由于受到瑞利限的约束,角分辨率较低,而后出现的超分辨算法突破了这一限制,具有高分辨率和高估计精度的特点。MUSIC和ESPRIT算法是最典型的超分辨算法,这两种算法的提出大大推动了空间谱估计算法的发展。然而这两种算法在实际应用中存在计算量大不适于实时处理,以及单次快拍条件下估计精度不高的问题,为解决这些问题,高效空间谱估计算法应运而生。文中对高效空间谱估计算法的研究,主要从减小计算量、提高运算速度和提高算法估计精度这几方面展开。首先,本文对MUSIC算法的基本原理进行了介绍,针对算法计算量大不适于实时处理的问题,提出了一种并行化处理方案。通过实值化预处理将运算转换到实数域,再使用Householder变换将原协方差矩阵转化为三对角矩阵,并对其进行QR分解,最后对各阶段采用多处理器并行处理。然后,将并行化算法推广到ESPRIT算法。本文采用Lanczos变换将非对称的协方差矩阵转化为三对角矩阵,再使用带原点位移的QR算法进行特征分解,构造协方差矩阵和特征分解均适于并行处理。最后,针对快拍数较少的条件下,MUSIC算法的估计精度降低的问题,本文研究了一种基于Toeplitz矩阵的降维MUSIC算法,并对其进行了一定的改进。将接收数据向信号子空间进行投影预处理获得新数据,通过降维方法来估计协方差矩阵,再利用基本MUSIC算法进行DOA估计。然而降维算法会使得天线自由度降低,本文针对这一问题提出了一种基于Toeplitz矩阵的非降维MUSIC算法,通过Toeplitz特性来构造协方差矩阵,不损失天线自由度。通过仿真实验表明,本文对MUSIC和ESPRIT算法的并行化研究,在对算法性能影响不大的情况下,大大减小了算法的运算量,提高了处理速度。在单次快拍条件下,文中所提出的基于Toeplitz矩阵的MUSIC算法能提高算法的估计精度,尤其是在低信噪比条件下表现了良好的性能,且能有效估计相干信源。