我会推荐
Array Signal Processing - Johnson, Dudgeon。本书涵盖了经典的谱估计、最小方差无失真响应 (MVDR)、线性预测和子空间方法（例如 MUSIC 和 ESPIRIT）。它提供了这些方法之间的解析能力的示例。如果您需要更多详细信息，本书中有很多很好的参考资料。

MUSIC 和 ESPIRIT 类型算法在最先进的 DSP 文本中进行了讨论：
Advanced Digital Signal Processing、Proakis、Rader、Ling、Nikias
Discrete Random Signals 和 Statistical Signal Processing、Therrien

对于参数化方法：
光谱分析 - 现代视角 (Kay, Marple) Proc。IEEE Vol 6, No 11, 1981
Modern Spectral Estimation: Theory and Application, Steven Kay
Digital Spectral Analysis - SL Marple
SPECTRAL ANALYSIS OF SIGNALS - P Stoica 和 R Moses PDF 可在此处获得

Marple 和 Kay 的书倾向于关注算法，即各种 MA、AR 和 ARMA 方法的实现（例如快速 Lattice 滤波器实现），而不是基本方法的性能

也可以使用压缩感知/稀疏重建技术。参考文献太多，这里就不一一列举了。这些作者 Michael Elad、Yonina Eldar 和 Holger Rauhut 写了几本书。这些技术通常被引用为“具有超分辨率特性”

这些算法通常很难直接比较，因为它们都有影响其性能的旋转因素。例如
1. 对于 MA、AR、ARMA，使用什么模型顺序？
2. 对于压缩技术——模板向量的间距有多近？使用什么级别的正则化？有多少个频率？我们有多少样品？

您可以从研究受约束参数估计的 MUSIC 和 ESPIRIT 算法开始。

查看“啁啾 z 变换”（有时称为缩放 FFT“）。你可以去一个很好的标准 DSP 参考。我相信你可以在互联网上找到它作为公共领域。这本书是：

Oppenheim 和 Schafer 的“数字信号处理”参见第 6 章第 6 节。

这种技术使您可以将计算集中在一个狭窄的频率范围内。您将“放大”两个紧密间隔的正弦波的范围。

您还可以搜索“chirp z 变换”、“zoom z 变换”或“zoom FFT”。