基于信息论准则（AIC，MDL）的信源个数估计算法改进研究旨在提升传统方法在复杂环境下的性能。AIC（Akaike信息准则）和MDL（最小描述长度）是两种经典的信源个数估计方法，分别基于信息熵和编码理论。然而，这些方法在高噪声、低信噪比或非平稳信号场景中可能出现估计偏差。改进方向包括：1）引入正则化项增强鲁棒性；2）结合机器学习优化阈值选择；3）改进协方差矩阵估计方法；4）融合多准则联合判决。这些改进能显著提高估计准确性，为阵列信号处理、无线通信等应用提供更可靠的信源数目检测。