Nesta dissertaÃÃo sÃo propostos mÃtodos baseados em processamento tensorial de sinais para a estimaÃÃo de parÃmetros em arranjos de antenas vetoriais elÃtricas (Tripolo), considerando diferentes estruturas de arranjos (ULA, L-shape e UPA). Inicialmente, à utilizado um arranjo em L-shape,resultando em um modelo tensorial de terceira ordem (3-D) que, junto ao algoritmo de estimaÃÃo T-ALS (do inglÃs, Trilinear Alternating Least Squares), possibilita a identificaÃÃo cega de pelo menos o dobro de fontes estimadas pelos modelos tradicionais. Em seguida, sob transmissÃo supervisionada, à proposto um mÃtodo alternativo, utilizando a decomposiÃÃo SVD, o qual à comparado ao mÃtodo tensorial com uso do algoritmo T-ALS. Uma segunda abordagem à proposta utilizando-se uma estrutura de arranjo planar de antenas (UPA), a qual faz uso de um modelo tensorial de quarta ordem (4-D) junto ao algoritmo de estimaÃÃo Q-ALS (do inglÃs, Quadrilinear Alternating Least Squares). Neste caso, um mÃtodo alternativo à proposto usando a fatoraÃÃo do produto de Khatri-Rao e uma anÃlise comparativa destes mÃtodos à realizada. Considerando-se o caso supervisionado, à feito ainda um estudo comparativo dos algoritmos Q-ALS, T-ALS e SVD, e um novo algoritmo, chamado Nested-SVD à proposto. Por fim, foi realizada a modelagem computacional do tripolo elÃtrico com uso de software de simulaÃÃo de alta frequÃncia (HFSS), possibilitando a extraÃÃo do parÃmetro de ganho espacial dos arranjos L-shape e UPA. Em seguida, à feita a avaliaÃÃo do desempenho dos mÃtodos tensoriais propostos usando este parÃmetro em uma situaÃÃo mais realista, e comparado ao desempenho usando modelos idealizados de arranjos de antenas com ganho unitÃrio e omnidirecional. O desempenho dos mÃtodos propostos à avaliado atravÃs de simulaÃÃes de Monte Carlo em diferentes cenÃrios e configuraÃÃes de arranjo / In this dissertation, we propose methods based on tensor signal processing for the parameter estimation in electric vector (Tripole) antenna arrays, considering different structures of arrays (ULA, L-shape and UPA). Initially, using a L-shape array, we develop a third order (3-D) tensor model for the received data. Based on this model, a trilinear alternating least squares (T-ALS) algorithm is used for the blind estimation of the sourceâs parameters. Then, under supervised transmission an alternative method is proposed by resorting to the SVD decomposition, which is compared to the T-ALS algorithm. A second approach is proposed, which is based on a uniform planar array antenna (UPA). In this case a fourth-order (4-D) tensor model is obtained, and the Q-ALS (Quadrilinear Alternating Least Squares) algorithm is used for parameter estimation. An alternative method is also proposed, which exploits the factorization of the Khatri-Rao product. Considering the supervised case, a new algorithm called Nested-SVD is proposed and a comparative study with Q-ALS, T-ALS and SVD algorithms is carried out. The performance of the proposed methods is evaluated through Monte Carlo simulations in different scenarios and array settings. Finally, computational modeling of electric tripole using the high frequency simulation software (HFSS) was performed, enabling the extraction of the L-shape and UPA spatial array gain. Then, the performance of the proposed tensor methods is evaluated in a more realistic scenario, and compared to idealized omnidirectional and unitary gain antenna array models