无线信道信源数目估计是信道测量和建模的重要工作之一,是再现真实传播场景和改善通信质量的关键。对信道的分析有赖于多维参数的精确估计,而信源数目是影响参数提取算法性能的重要指标。由于无线信道具有时变特征,在工程应用中阵列通道接收信号相关性变化大,引起传统估计方法的性能恶化甚至失效。近年来,统计理论逐渐成为阵列信号处理领域新的有力工具,使得提升信源数目估计准确性和提高参数提取速度成为可能。本文首先回顾了信源数目估计问题国内外的发展历程和研究现状,然后以无线信号传播模型为切入点,引出信源数目估计对参数提取算法的重要影响。接着分别对白噪声和色噪声场景下的8种常用信源数目估计方法进行算法介绍和理论分析。在分析各种算法的优缺点后,本文以盖氏圆准则为理论基础,以重采样为统计手段,提出了一种能够同时适用于白噪声和色噪声场景的信源数目估计方法,并推导出了采样比例和子样本集个数的最优值。进而利用该方法在参数提取仿真实验中的成功应用,验证了其可行性、准确性和高效性。本文创新点在于将传统信源数目估计方法与重采样统计理论相结合,提出在未知噪声、低快拍、低采样率下的高精度信源数目估计方法。同时,结合重采样信源数目估计的高精度,完成了一套从信号入射到信道参数(时延、到达角、离开角、多普勒频移、复振幅)输出的完整实现过程,对信道建模和测量工作具有参考作用。