针对阵列信号处理中传统信源个数估计方法如基于Akaike 信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大，且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题，提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计，然后计算阵列信号协方差在子空间匹配滤波器中的投影值，通过分析其正交性来估计信源个数。研究结果表明，该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能，并且计算量大大降低。

针对装备电磁环境效应研究中存在的干扰源信号混叠的问题, 探讨了盲源分离算法在混叠干扰源信号分离中的应用。通常应用盲源算法需以估计得到源信号数目为前提, 本文提出直接根据观测信号个数设置初始化分离矩阵维数, 然后分离得到与观测信号数目相同的分离信号, 再通过分离信号的相关性检测, 即实现了源信号的分离, 避免了事先估计源信号个数的工作。通过仿真实验验证了方法的可行性。

研究了源数估计对于独立分量分析算法的影响。对于正定模型, 当估计源数少于真实源数时, 模型变为超定模型, 采用自然梯度法开展仿真实验; 当估计源数多于真实源数时, 模型变为欠定模型, 采用基于时频单源点检测的混合矩阵估计算法和子空间表示信号恢复算法开展仿真实验。实验结果表明, 在满足一定信噪比的条件下, 对于正定模型超定化问题, 通常有数目等于估计源数的源信号能够成功分离; 对于正定模型欠定化问题, 通常所有源信号都能正确分离, 只是分离信号中出现了1个或多个源信号的拷贝, 可以通过检测分离信号的相关性, 对拷贝信号进行剔除或合并, 对分离效果无影响。研究结论对于独立分量分析算法的应用具有一定参考价值。