本論文的研究動機來自於視訊會議(teleconference)與錄音(recording)系統的應用。近年來在欠定系統(underdetermined system)下,亦即當使用者數目大於陣列天線數時,多個訊號源到達到均勻陣列天線(uniform linear array, ULA)之方向(direction of arrival, DOA)估計已經成為熱門的研究主題。現存的訊號方向估計演算法不是利用來源訊號的稀疏(sparsity)特性就是利用接收訊號的四階統計量(fourth-order cumulant)。不同於現存的演算法,我們利用來源訊號的準穩定特性(quasi-stationarity)提出一新穎之基於二階統計量(second order statistics, SOS)的欠定系統訊號到達方向估計演算法。我們從接收訊號的共變異數矩陣(covariance matrix)得到一個新的Khatri-Rao formulation。此formulation類似於一個具有額外天線的虛擬陣列系統(virtual array system),我們利用此虛擬系統去發展欠定系統的訊號到達方向估計演算法。基於Khatri-Rao formulation的具體結構,我們使用子空間投影運算(subspace projection operator)去解決未知雜訊共變異數矩陣(unknown noise covariance matrix)的問題。在此論文中,我們發展兩個新的演算法,分別是Khatri-Rao MUSIC (KR-MUSIC) 演算法和Khatri-Rao Capon (KR-Capon)演算法。在使用者數目小於2倍陣列天線數減2的情形下,我們驗證了KR-MUSIC演算法的訊號到達方向鑑別性(DOA identifiability)。在電腦模擬中,我們展現了不僅在欠定系統,連在過定系統(overdetermined system) 中,我們提出的訊號方向估計演算法都勝過於現存的演算法,並且擁有許多現存演算法所沒有的優點,例如:對抗非空間白雜訊(non-spatially-white noises)的強健性(robustness)和較高的訊號到達方向估計解析度(high-resolution)。