多维信号参数估计是现代信号处理中最重要的研究领域之一,近几十年来发展非常迅速,并且围绕多维信号处理及其应用开展的相关工作依然十分活跃。多维信号参数估计问题的应用领域广泛,例如阵列信号处理,生物医学中的核磁共振,海底声呐和无线通信技术等领域。本文主要研究在高斯噪声环境下的多维信号参数估计问题,全文的工作可以总结如下:1.在第二章中,分析并且总结了现有的经典子空间类的参数估计算法,并对它们的优缺点进行了简单地叙述。2.在第三章中,基于噪声模型是非均匀噪声,讨论了二维DOA参数估计算法。该算法使用的原理是通过结合投影算子以及低秩矩阵恢复来实现二维DOA参数估计。而具体思路是首先使用低秩矩阵恢复的原理恢复第一组数据的自相关矩阵,从而得到第一组参数更好的参数估计效果。而第二组数据的估计是通过第一组数据构造的投影算子来投影分离第二组参数估计的数据,然后使用投影算子以后第二组数据在非均匀噪声模型下也能有很高的分辨率。最后该算法将使用低秩矩阵恢复的性能和未使用低秩矩阵恢复的性能进行了比较,仿真结果证明使用了投影算子以及低秩矩阵恢复以后算法在信噪比低的情况下有着更好的估计性能。3.在第四章中,提出了一种高斯白噪声环境下基于张量分析(tensor mode-R)和投影分离的多维正弦信号参数估计算法。该算法通过tensor mode-R以及Unitary变换降低了算法的计算复杂度。该算法的流程是首先通过tensor mode-R以及unitary变换原理估计出第一维度的参数信息,然后使用第一维度的参数信息构造投影算子分离其余维度的参数信息。而其余维度的参数估计同样可以使用上述方法实现,由于利用了投影分离技术,多维参数能自动匹配,无需额外的计算负荷。计算机仿真实验表明,该算法和传统的IMDF算法、HOSVD算法以及Huang的算法相比,算法的分辨率更优和时间复杂度更低。4.在第五章中,提出了一种基于UPUMA的改进的投影分离算法。该算法结合了 UPUMA的原理以及投影算子的原理,UPUMA算法最大的缺点是在处理多维参数估计的每个维度有多分量的模型时性能很差,而结合了投影算子能够解决这个问题。该算法是首先通过子空间算法估计出第一维度的参数信息,然后使用第一维度的参数信息构造投影算子将其余维度的参数进行分离。通过投影分离以后使用UPUMA的算法原理就可以保证UPUMA处理多维参数估计的多分量问题的算法分辨率。实验中通过和IMDF算法和HOSVD算法进行比较,UPUMA的投影分离算法性能更优,且时间复杂度更低。5.第六章对全文进行了总结,并且对未来的研究方向进行了展望。