比起常规的声压水听器阵列,矢量水听器阵列除了能获得声场中的声压信息之外,还能够获得质点振速信息,因此具有更高的增益和更好的方位估计性能,从而受到大量学者的关注与研究。基于这个特点,本文使用矢量水听器阵列进行特征空间法空间谱估计算法的研究和仿真分析,这种空间谱估计方法与传统的空间谱估计算法相比有着更精确的估计效果以及更尖锐的谱峰宽度,本文通过了数值仿真验证了这个结论。子空间类算法通常均需要信源数目来进行方位估计,因此如何准确的估计信源数目也是本文的研究内容之一。目前关于阵列信号处理中的信源数估计的研究取得了诸多成果,但也存在着很多不足。首先,对于传统的基于信息论的信源数估计方法,在快拍数较小或者阵列的阵元数较少时,其估计性能会下降;其次,对于基于盖氏圆法进行信源数估计的方法,在进行信源数估计和进行方位估计时要进行两次协方差矩阵的特征分解运算,运算量大;最后,基于特征值阈值法的信源数估计方法虽然不需要多次进行特征分解运算,但是每次估计都需要手动设置阈值,使得这种方法在实际应用中受到限制。针对传统信源数估计方法的不足,本文提出一种基于双向牛顿插值的信源数估计方法。这种方法即使在小快拍数和阵元数目较少的时候也能够保持良好的估计性能,估计性能不随待估计信源数目的变化而变化,并且只需要进行一次特征分解便可以同时进行信源数估计和方位估计,运算量小,同时该方法不需要手动设置阈值。本文又将可压缩采样阵列与特征空间算法结合,使用了基于可压缩采样阵列的特征空间谱估计算法,这种算法大大减小了运算量和前置电路结构的复杂度。通过仿真分析,本文验证了算法的可行性。本文也研究了基于可压缩采样阵列条件下的双向牛顿插值法信源数目估计,避免了使用可压缩采样阵列时多次特征分解导致运算量增大的现象。