阵列信号处理是现代信号处理领域中的一个重要组成模块,在军用领域和民用领域都有及其广泛的应用,而参数估计问题则是阵列信号处理中的重点研究内容。这一领域已经诞生了许多经典的估计方法,但是传统的基于矩阵操作的估计方法并不能有效的利用接收数据中固有的多维结构信息。与此不同的是,张量代数正是适合表征高维数据的数据结构,本文将着重于张量分解在信源的多维参数估计中的应用研究,考虑以一种新的数据表征方法来解决传统的参数估计问题。本文主要工作及创新点如下:(1)提出了一种利用张量分解的分布式相干信源参数估计方法。对分布式相干信源接收数据使用近似(小角度扩散情况),将导向矢量的积分形式近似为Hadamard积形式,将接收数据转化成张量模型,利用PARAFAC分解求解因子矩阵,由于因子矩阵就是导向矢量,所以根据已知的导向矢量结构利用最小二乘求解出中心角度信息,该算法在所有基于导向矢量近似的方法中取的了最优的估计性能,并且在大规模阵元数情况下,计算复杂度要小于其他方法。(2)提出了一种结合信号非圆性的分布式相干信源张量分解估计方法。为了进一步提高参数估计的性能,考虑结合信号非圆性扩展了接收数据,从而构造出包含更多参数信息的新的三阶张量模型。同样利用PARAFAC分解方法求解出角度参数信息,通过实验仿真验证了结合非圆性的PARAFAC分解方法性能要优于传统PARAFAC分解方法,并且在角度扩散增大时,非圆PARAFAC分解方法对于参数估计的性能恶化能起到一定的抑制作用。(3)提出一种基于张量分解的FDA-MIMO雷达动目标参数估计方法。将雷达接收数据转化成三阶张量模型,估计出因子矩阵。针对FDA雷达参数估计中距离和角度耦合的问题,先单独求解出角度和多普勒频移信息,继而利用已经得到的到达角构造MUSIC一维谱峰搜索单独估计出距离。