基于空间外差光谱特性, 针对传统傅里叶变换算法在光谱复原中的局限性, 引入现代谱估计的多重信号分类MUSIC算法进行空间外差信号光谱复原, 采用自回归传递函数准则(CAT)对影响谱估计效果的信号空间维数值进行估计.测试结果显示CAT准则直接定维值与最佳结果存在偏差, 将CAT准则直接定维值减数值3作为改进后的新准则重新应用于实测数据光谱复原.改进的CAT准则与MUSIC算法配合能够很好地适用于空间外差干涉数据, 光谱复原效果优于直接傅里叶变换结果.以光谱角度匹配和均方误差作为改进CAT准则的MUSIC算法谱估计效果评价指标, 与理想光谱相比, MUSIC算法对钾盐双谱峰信号处理后复原光谱相似度达到0.764, 均方误差为0.040, 对氖灯多谱峰信号和处理结果分别为0.806和0.046.复色光结果分别为0.988和0.089.采用改进的CAT准则进行自适应定维的MUSIC算法对空间外差光谱复原具有一定优势, 提高了功率谱复原效果.

针对柱面共形阵列的波达方向(DOA)估计问题, 从信号子空间的角度分析了在阵元遮挡下应用多重信号分类(MUSIC)算法的性能缺陷。在此基础上提出通过偏置常数的方法克服经典 MUSIC算法的阵元遮挡问题。进一步提出一种基于数据自适应子阵分割的快速 DOA估计算法, 该方法先利用稀疏采样的偏置 MUSIC算法进行 DOA预估, 依此确定所需要的子阵及二维搜索区域, 确定 MUSIC算法的搜索范围, 进而得到高精确度的 DOA估计。利用子阵分割的方法进行 DOA估计, 避免了经典MUSIC算法因阵元遮挡导致运算量大、精确度低等问题。仿真结果表明, 该方法能大幅度降低运算复杂度, 同时提高 DOA估计精确度。

提出了一种基于2D-Unitary ESPRIT算法的六角星形阵列波达方向(DOA)估计方案。利用星形阵列子阵列的多种平移不变性，将子阵列两两组合，采用2D-Unitary ESPRIT算法分别对每种组合进行估计，获取了DOA估计的候选集，然后运用2D-MUSIC算法的功率谱函数在候选集中对DOA进行最优估计，得出DOA的最优估值，并进行了仿真实验。该方案避免了由2D-MUSIC算法因谱峰搜索而带来的庞大计算成本，且多种平移不变子阵列组合的运用减小了DOA估计误差。仿真表明，此方案与传统2D-Unitary ESPRIT算法相比，减小了估计值的均方根误差，提高了空间分辨率。

为了克服传统光谱复原算法理论上的缺点, 引入了现代谱估计技术的概念和基本算法.利用两类现代谱估计方法(自回归模型和多重信号分类算法)进行干涉光谱复原, 比较了复原光谱与传统光谱复原算法的效果, 并对文中所用几种方法的局限性加以验证和说明.研究结果证明了现代谱估计方法应用于光谱复原中完全可行且性能优异, 在传感器获取的数据长度有限时可以获得更高的光谱分辨率.