由于高频雷达的工作波长长、作用距离远，天线口径受地形与架设成本、维护成本等因素制约，所能获得的雷达波束角分辨能力差强人意。因而理所当然地希望应用空间谱估计技术来获得更好地分辨性能、更高的角估计精度等好处，籍以提高系统的探测性能。作为一项成熟的技术，空间谱估计技术已经成功应用于微波雷达等其它领域中。虽然在高频雷达场合中也得到了应用，并获得一些性能改进，但处理效果不尽如人意。本文从分析高频雷达的阵列数据特点，以及影响空间谱估计性能的诱发因素入手，综合协方差矩阵构造、特征子空间分解、阵列空间重构、单批数据和噪声相关特性信息的充分利用、以及多路径回波不可分辨条件等方面考虑，对空间谱估计算法结构进行了相应的改进，解决空间谱估计的最佳应用问题，以保证其适应性与稳健性。　　不同于在微波雷达中的应用，空间谱估计算法在高频雷达中的应用需避开时域幅度绝对占优的海杂波。因而不能直接将接收阵列输出的时域数据作为构造协方差矩阵的数据序列。能够获得的阵列数据一般在经过二维距离—速度谱变换后并经历信号检测处理判定的目标谱峰区域，其特性概括描述如下：目标谱峰数据中的多目标为相干或强相关源、各阵元间噪声相关性较强、目标信噪比一般不高、数据序列很短。针对这些数据特性，需对空间谱算法结构作适应改进与变通处理以适应需求。　　通过仿真与实际数据处理的综合分析与验证，本文提出了构建以Toeplitz构造法为基础的空间谱估计应用的算法结构。该构造法既可处理相干源，以实现目标分辨，又能在较低信噪比情况下获得稳健估值。　　常用特征子空间分解的依据一般是通过比较特征值的大小并根据可能的目标个数自大至小“推定”信号特征值的个数，这容易造成信号特征子空间与噪声子空间的分离度不佳，影响空间谱分辨性能与估计性能（估计存在偏差且有时分辨力不足）。因此，提出了一种基于特征频率分析的空间谱估计之特征子空间分解方法，即通过考察特征频率的位置，选取出落入信号特征频率覆盖范围内的其它特征频率，从而实现对小特征值对应的特征频率的提取。该方法在背景噪声（时间与空间的）相关性较强以及应用Toeplitz构造法等条件下提高了信号特征子空间与噪声子空间的分离度，使目标角度估值和分辨能力都有不同程度的改善，特别是在信噪比较弱的情况下，性能提高显著。可获得的最佳分辨力随目标信噪比变化，在较低信噪比条件下（检测信噪比15dB左右）约为数字波束形成3dB波束宽度（加权函数为旁瓣电平30dB的切比雪夫窗）的1/3，在信噪比较高（检测信噪比28dB左右）时约为1/4。　　与地波雷达的全阵元通道工作方式不同的是，高频天波超视距雷达的信号处理与波束覆盖数据通道相对应，即可用于空间谱估计的数据仅是波束数据。由于没有阵列数据用以测角，仅凭波束数据作和差比幅或比相测角，很难获得较高的测量精度，测角偏向误判也时常发生。另外，波束数据的相位特性不满足去相干算法的要求，故难以直接应用有效的空间谱估计算法。为此，提出了一种基于矩阵伪逆变换的阵列数据重构算法。该算法不仅使在仅有波束覆盖数据条件下应用空间谱估计以期获得更高的估计性能成为可能，并且还因该算法内含的空间滤波过程可以使待估目标信噪比有所提高，因而对估计性能也有一定程度的改善，尤其是对弱小目标而言。故此，该方法既可以用于没有阵列数据的场合来获取超分辨性能，也可以用于有阵列数据的场合来增强对弱小目标的估计与分辨能力。　　针对高频雷达系统需要长时间相参积累处理（数据率低）的特点，研究利用单批次数据进行机动目标运动参数估计方法的可能性与可行性，并提出了一种解决方法。通过对阵列数据进行适当的目标谱线选取并进行Fourier反变换，可还原出目标在多个不同时刻的瞬时方位。对反变换后的数据进行分段处理以获得两个以上的相关估计，从而计算出目标运动参数。利用高频雷达实验数据验证结果表明，采用该方法可以获得较好的目标运动方向估计；机动变化较大的目标（相对于相参积累大时间而言）还可以获得较高质量的运动参数估值。这对于缩短目标航迹建立时间、提高跟踪关联性能、改善同一目标断续跟踪能力都很有实际意义。同时还能用于真假目标的快速甄别。　　在存在多路径反射回波不可分辨的情况下，目标到达方向估计往往会出现较严重的偏差（如米波雷达的低仰角跟踪）。针对这一问题，本文提出了一种基于最佳抑制的改进阻塞矩阵法应用于常规空间谱分析无法分辨的场合，借助于类似干扰抑制的方式获得待测对象到达方向的估计。通过与阵列数据重构法以及基于特征频率分析的特征子空间分解方法相结合，该方法具有较好的抗干扰能力。该方法的优点是在相同条件下可以获得高于常规空间谱分析的分辨力；不足之处是需要一些先验知识。