现如今电子战中对定位测向系统性能的要求越来越高,空间谱估计算法由于具有高分辨率、高精度和高稳定性特点,受到了相关领域专家学者的热捧。虽然关于该算法的研究已经有了大量的成果或者论文,然而该算法离大规模的实际应用仍然有一定距离。本文主要针对传统高分辨测向中的信号源数估计算法不能满足复杂多变的电磁环境以及在非理想环境(低信噪比和小快拍数环境)下空间谱估计算法分辨率下降的问题进行讨论,研究更加适应工程应用环境的空间谱估计算法和信号源数估计算法。本论文的主要研究内容如下:本文先结合MUSIC(Multiple Signal Classification)算法接收单元和信号特点建立阵列接收信号模型;深入了解现有的信号源估计算法,并且结合已有文献和仿真实验分析现有算法的优缺点,获得了现有算法在非白噪声条件下性能急剧下降的原因。针对现有信号源数估计算法的缺点,本文结合信息论准则信号源数估计方法和加载的原理,采用了特征值校正的方法来平滑噪声特征值,通过加入了校正因子来保证校正量既不会过大也不会偏小。由于校正因子会随着估计的噪声特征值的发散程度来自动调整大小,所以该算法在不同的环境下都表现出了良好的性能。仿真实现结果表明,本文的算法相对于传统算法具有更强的适应性,能够在更低的信噪比和快拍数时满足估计准确度要求。本文分析了在非理想条件下引起算法性能下降的原因——空间谱峰的完全混叠,在此基础上提出了一种能够从完全混叠谱峰中分离出两个谱峰的方法,同时给出了谱峰分离的定义,通过原有的MUSIC空间谱函数与子空间谱函数的差值获得新的空间谱函数,该方法叫做基于谱峰分离的MUSIC算法。仿真结果表明在较低的信噪比和较小的快拍数情况下,基于谱峰分离的MUSIC算法在拥有较低的均方根误差同时能够对两个入射角度相隔很近的信号保持很高的分辨成功率。本论文提出的自适应信号源数估计方法有效地改善了大多数信号源数估计算法适应性不强的问题,该算法能够应用在均匀线阵、圆阵中,而且背景噪声不再局限于空间白噪声。基于谱峰分离的MUSIC算法主要应用在信噪比较低、而且采用快拍数较小的情况下,用来提高对小入射角度差相邻信号的分辨成功率。