波达方向（DirectionofArrival,DOA）估计在许多领域都有着重要的应用，因此该研究课题一直备受关注。压缩感知（CompressedSensing,CS）理论的兴起推动了DOA估计的发展，但是目前基于压缩感知的DOA估计方法存在两个主要问题：（1）在较低信噪比条件下，算法的估计精度普遍比较低；（2）角度空间网格划分的疏密程度对估计精度和计算复杂度有比较大的影响，即当网格划分过于稀疏时，估计精度很低，而当网格划分过于密集时，算法的计算复杂度较高。基于上述两个问题，本文的研究内容如下：
　　1、研究了传统的DOA估计方法，并分析了传统方法的不足之处，同时对压缩感知理论进行研究，分析了压缩感知理论应用于DOA估计问题的可行性，及其相比于传统DOA估计方法的优越性；
　　2、针对低信噪比条件下估计精度低的问题，?出了联合OGRSBL（RootSparseBayesianLearningforoff-gridDOAestimation）和伪噪声重采样技术的方法，在OGRSBL算法的基础上，通过伪噪声重采样技术来筛选准确的DOA估计值。大量的仿真试验证明所?出的算法在低信噪比的条件下具有比较好的估计性能，并分析了该算法的不足；
　　3、针对网格失配问题，?出一种对角度空间进行部分细化的DOA估计方法(partiallyrefinedgridforDOAestimation，PRGDOA)，首先利用OGRSBL算法得到粗略的DOA初始估计值，然后对DOA粗略估计值附近的区域进一步细化，而角度空间中的其它网格点保持不变。为了从真正意义上解决网格失配问题，论文研究了一种基于无网格模型的压缩感知DOA估计算法，该方法不需要对角度空间进行网格划分，将压缩感知理论直接应用到连续的角度空间域中进行DOA估计。大量仿真实验证明了两类针对网格失配问题算法的有效性。