已知X=H*Rs*H',X的大小为L*L，然后X做特征分解得到的特征向量为v1，v2....vq,....vL,h1和h2分别为X的q个最大特征值对应的特征向量v1，v2，到vq的线性组合，原本呢h1和h2代表两个不重叠散射源的分布函数，因此h1和h2相互正交，可以利用这个约束条件来求解h1和h2，但现在h1和h2代表两个重叠散射源的空间分布函数，因此他们便不再具有相互正交的性质，那请问该如何求解h1和h2呢

对于重叠散射源的空间分布函数h1和h2，由于它们不再具有相互正交的性质，因此无法直接利用特征分解来求解。在这种情况下，您可以考虑使用其他方法来估计h1和h2。

一种常用的方法是使用独立成分分析（Independent Component Analysis，ICA）。ICA是一种基于统计学原理的盲源分离方法，可以用于估计混合信号中的独立成分。在您的情况下，可以将观测到的信号X看作是重叠散射源的混合信号，然后使用ICA来估计h1和h2。

另一种方法是使用盲源分离算法，例如非负矩阵分解（Non-negative Matrix Factorization，NMF）。NMF是一种常用的盲源分离方法，可以将非负数据矩阵分解为非负因子矩阵的乘积。您可以将观测到的信号X作为输入矩阵，然后使用NMF来分解得到h1和h2。

以上仅是两种可能的方法，具体选择哪种方法还取决于您的具体应用场景和数据特点。您可以根据实际情况选择适合您问题的方法进行求解。