针对宽带近场超大规模多输入多输出(Extremely Large-Scale Multiple-Input Multiple-Output，XL-MIMO)系统中波束分裂引起的极坐标域稀疏支撑频率漂移，以及双线性模式检测(Bilinear Pattern Detection，BPD)在离散极域字典下易受离网格失配和局部最优影响的问题，提出一种空间可变局部细化增强的双线性模式检测(Spatially Variant Local-Refinement-Enhanced BPD，SVL-BPD)宽带近场信道估计方法。与BPD仅利用双线性模式在粗极域网格上进行路径粗检测不同，该方法在BPD粗检测获得候选路径后，围绕其局部邻域开展连续细化搜索，并根据信噪比、导频开销和归一化带宽自适应调整局部搜索粒度；进一步结合基于观测残差的候选择优机制，在几何细化结果、极域稀疏恢复结果与原始BPD结果之间自适应选优。仿真结果表明，与BPD相比，所提方法在多种距离与带宽设置下可使归一化均方误差平均降低约1–2 dB，在SNR=15 dB 时最高降低约3.5 dB，且计算复杂度可控。该方法能够有效缓解宽带近场条件下的极域稀疏支撑频率漂移与离网格失配问题，提高信道估计精度与鲁棒性。