空间谱估计是阵列信号处理领域的重要分支,在许多领域中有着重要的作用,在近30年来取得了迅猛的发展。为了到达高精度和高分辨率,通常需要足够的采样数据完成渐进估计,但在实际系统中,可获得的采样点数有限,难以达到理想的估计效果。Bootstrap方法作为一种统计方法,可以应用在样本数量较少或者分布未知的情况下。本文将Bootstrap方法应用在空间谱估计的信源数估计中,研究内容包括均匀噪声、非均匀噪声和相干信号源下的信源数估计。信源数检测作为信号参数估计的先决条件,是空间谱估计中的热点问题。在实际中,由于各阵元增益不相同等原因导致的噪声非均匀性,使得传统算法无法精确的估计出信源数。针对这个问题,本文提出非均匀噪声背景下基于Bootstrap方法的两种信源数估计算法。一种算法根据特征子空间的特征投影,形成一系列检测统计量,进行多元假设检验;另一种算法则是根据阵列流型矢量和特征矢量的内积形成检测统计量进行多元假设检验。数据的分布未知,并且两种方法在零假设下的检测统计量分布都是应用Bootstrap方法估计的。仿真证实了所提出两种算法的在样本数量较少情况下的可行性和鲁棒性。信源在复杂电磁干扰的背景下,会产生大量的相干和相关信号,相干信号源个数估计也是信源数检测问题中的难点问题。针对信号源相干的问题,本文提出三种信源数检测的算法。首先采用空间平滑技术对信号源去相关得到等效协方差矩阵,之后对等效协方差矩阵进行处理。第一种算法形成基于等效协方差矩阵特征矢量和导向矢量内积的一系列检测统计量,进行多元假设检验;第二种算法将等效阵列信号协方差矩阵分别投影到信号的特征子空间和噪声的特征子空间,形成以特征空间投影为基础的多元假设检验;第三种算法是直接用等效协方差矩阵的特征值形成检测统计量,进行多元假设检验。数据的分布未知,并且应用Bootstrap方法估计零假设下提出的检测统计量的分布。通过仿真证明了所提方法有效性。