随着信号处理技术的飞速发展,各领域对于测向系统的性能要求越来越高,为实现更精确的信源定位,DOA估计算法备受重视。实际上,以MUSIC算法为代表的传统算法经过适当的改进后已经具备了较高的估计精度和分辨力,但是对于信噪比、快拍数等条件的要求相对苛刻,且无法实现相干信源的DOA估计。近年来,随着压缩感知理论的逐渐兴起,部分学者将目光转向一种阵列接收信号的稀疏表示模型,并尝试利用压缩感知理论在完成信号恢复的同时实现方位估计,这类算法的优点在于仅需阵列的单次快拍数据,且对信源之间的相关性并不敏感。本文对此类算法的部分关键技术进行了深入的探讨和分析。首先,介绍了传统DOA估计模型和基于压缩感知的DOA估计模型的相关基础理论,详细分析了两者之间的区别和联系,并针对多快拍和二维方位估计时的运算量加剧问题分别介绍了相应的降维策略,为后续研究奠定了理论基础。针对非极化敏感阵列的DOA估计,介绍了几种基于不同范数最小化的估计算法,重点探讨了各种算法的原理以及在单快拍或多快拍条件下的实现步骤。最后通过仿真验证了这一类算法在单快拍、相干信源情况下的优越性,并对比分析了几种算法的性能和优缺点,为实际应用中合理选择算法提供了依据。最后,介绍了一种针对极化敏感阵列的接收数据稀疏表示模型,以及一种可实现该模型下DOA估计的BOMP算法。由于该算法并未考虑模型的特殊性,因此,本文在深入研究此模型的基础上,提出一种基于信号极化的原子选择准则,可以在选择原子的同时实现信源的极化参数估计,并将子空间追踪算法推广到块稀疏信号的重构问题上来,借此实现DOA估计。仿真结果证明,相同条件下,本文算法的估计性能明显超过BOMP算法,且同样易于工程实现,部分实测数据的处理结果也验证了本文算法的有效性。