近年来，随着阵列信号处理技术的高速发展，DOA估计在军事以及民用领域的应用越来越广泛，但各领域对DOA估计性能的要求越来越高，以实现高精度的信号源定位。基于空间谱估计的传统DOA估计算法已具备高精度和高分辨力的优点，但对于快拍数以及信噪比的要求较高。随着压缩感知理论的提出与发展，将压缩感知理论应用到阵列信号处理中成为DOA估计算法新的研究方向。本文针对当前基于贝叶斯压缩感知的DOA估计算法在单快拍和低信噪比下DOA估计精度和成功率较低等问题，对基于贝叶斯压缩感知的DOA估计算法中测量矩阵和重构算法展开深入研究。主要研究内容概述如下:　　(1)研究了压缩感知理论的基本原理，研究了压缩感知数学模型，并在此模型下，重点研究了压缩感知的基本流程，并详细分析了三种经典的稀疏重构算法。研究了阵列信号处理理论的基本原理，为排除非理想因素的影响，对阵列以及空间信号做出了合理假设，并研究了阵列接收信号模型。结合压缩感知理论和阵列信号处理理论，研究了基于压缩感知的DOA估计模型。　　(2)在基于压缩感知的DOA估计模型的基础上，研究了等角度划分和等正弦划分的两种空间网格划分方式下的信号稀疏表示方法，并研究了稀疏欠采样信号模型。重点研究了测量矩阵的多种设计方法，并通过仿真评估了不同测量矩阵、采样方式和采样数目对重构算法性能的影响。研究了基于矩阵分解的测量矩阵改进方法，通过数学推导证明测量矩阵改进方法的合理性，仿真结果表明，改进后的测量矩阵提高了DOA精度和成功率。　　(3)研究和分析了贝叶斯估计理论，研究了贝叶斯压缩感知理论的数学推导过程。重点研究了基于贝叶斯压缩感知的DOA估计算法及其快速算法，仿真结果表明，两种算法均提高了DOA精度和成功率。研究和分析了变分推理，将变分贝叶斯理论引用到压缩感知的DOA估计中，研究了基于变分贝叶斯压缩感知的DOA估计算法及其快速算法，仿真结果表明，仿真结果表明，两种算法不仅提高了DOA精度和成功率，而且减少了算法运行时间。