波达方向(Direction of Arrival,DOA)估计是阵列信号处理领域中的重要研究内容,通过对信号进行DOA估计来获得信号的来波方向等参数信息,已经广泛应用在雷达、无线通信等军民用领域中。随着信号频率的升高和带宽的增加,目前基于空间谱估计的DOA估计方法逐渐不能满足精度的要求。压缩感知(Compressed Sensing,CS)作为一种新兴的信号处理方式,可以突破奈奎斯特采样的限制进行信号的采样,一般情况下,信号在空域范围内是稀疏的。因此,将压缩感知理论应用到DOA估计中,利用稀疏重构算法恢复原始信号,完成信号的DOA估计,此类算法在低信噪比和低快拍数下具有良好的估计性能。本文对基于压缩感知的窄带信号DOA估计相关内容进行研究。首先,简要阐述阵列信号接收模型,介绍了一种经典的DOA估计方法,并进行仿真分析,同时从三个方面对压缩感知理论进行研究,对压缩感知应用于DOA估计的理论基础进行阐述,建立基于压缩感知的DOA估计模型。其次,在压缩感知理论下的DOA估计中,利用阵列流型矩阵充当测量矩阵,针对等角度划分和等正弦划分两种空间网格划分方式,分析两种划分方式下建立的阵列流型矩阵的性质;针对等角度划分方式下建立的阵列流型矩阵,利用矩阵分解对其进行优化,提高矩阵的线性独立性,从信噪比和阵元数两个方面对优化方法进行仿真对比,仿真结果表明优化方法提高了DOA估计的精度。再次,选取几种常用的贪婪重构算法进行DOA估计仿真,分析各个算法的优势和缺点。仿真结果表明GOMP(Generalized Orthogonal Matching pursuit,GOMP)算法在进行DOA估计时具有最好的测向性能。为了进一步提高DOA估计性能,针对GOMP算法在信号重构时使用的最小二乘的局限性,对GOMP算法进行改进。改进算法利用最速下降法进行信号的迭代重构,能够在信号的重构过程中获得更小的恢复误差,同时由于最速下降法运算简单,降低了改进算法的复杂度。仿真结果表明,改进算法具有良好的DOA估计性能。最后,针对网格间距对DOA估计性能的影响,分析网格间距选取对DOA估计精度和系统运行时间的影响,利用网格多级搜索的方式进行DOA估计,可以在保证DOA估计精度的前提下,降低系统的运算时间。