声源定位是阵列信号处理领域的主要研究内容之一，其DOA估计技术在许多应用中扮演着十分重要的角色，例如：语音学、地震学、声纳和雷达系统。传统的声源定位方法是利用声压传感器阵列，这些传感器是空间分布的，结合使用声压量测估计技术来完成对波达方向的一种估计。将声矢量传感器引入阵列信号处理的研究领域，在很大程度上丰富了其研究内容，使声矢量传感器成为当前DOA估计领域中研究的一个热点。单声矢量传感器包含俯仰和方位信息，并能进行二维DOA估计，而声矢量传感器采用复合传感器结构，可以同时测量声压和质点振速信息。与传统声压传感器相比，声矢量传感器的优势在于它可以更好地利用声学信息，提高估计精度。因此，声矢量传感器利用较少的传感器阵元，在更低的信噪比条件下可以获得更为精确的估计效果。针对阵元域非均匀白噪声背景下的声源定位问题，Dovid Levin和Sharno Gannot提出了基于声矢量传感器的最大能量算法。该算法通过选取适当的加权参数虽然可以接近克拉美罗下界，具有较高的估计精度，但加权参数的选取过程十分复杂，大大地降低了算法的效率。此外，在时变场景下，该算法也并不适用。因此结合非均匀噪声协方差矩阵估计技术，通过估计噪声协方差矩阵对传感器接收到的阵列信息进行预白化处理，本文提出加权参数固化的最大能量算法。针对空域色噪声背景下的声源定位问题，以往提出的基于声矢量传感器的最大似然算法DOA估计虽然估计精度较高，但也同样地存在算法效率较低的问题，此外，在语音和音频等一些应用中，空域噪声为色噪声，所以该方法存在一定的局限性。因此针对噪声协方差矩阵服从逆威沙特(Inverse-Wishart)分布的DOA估计问题，利用噪声协方差矩阵的先验分布信息,结合噪声预白化技术，提出基于噪声预白化技术与噪声协方差矩阵迭代技术的联合DOA估计算法。最后通过仿真实验分别对以上提出的这两种新算法从估计精度和算法效率方面进行验证。