在工程实际中,经常遇到流信号的稀疏重构问题。流信号稀疏重构不同于传统的信号稀疏重构:在工作期间,流信号是源源不断的,而传统的稀疏信号重构中,量测信号通常是有限长度的矢量;流信号稀疏重构中,其稀疏信息是随着时间变化的,而传统的稀疏重构中,其稀疏信息是固定不变的。这些不同的特征导致:如果将传统的稀疏重构方法应用于流信号的稀疏重构,那么需要多次测量,加大了计算量,将使重构性能变差。所以,研究兼具重构性能和计算量优势的稀疏重构算法很重要。本文围绕流信号稀疏重构和参数估计算法展开研究,主要创新工作如下:1、针对分块处理存在块效应的问题,给出了一种基于加权（?）₁范数最小化的流信号稀疏重构算法。该算法使用了重叠正交变换表示稀疏,通过滑动信号采集窗口来反复的处理测量值,然后解决一个加权（?）₁范数最小化问题来估计稀疏系数。当添加和删除测量值时,通过估计信号的重叠部分,来代替解决一个新的（?）₁问题。仿真结果表明,和传统算法相比,该算法稀疏重构精度高,重构误差较小,并且算法运行时间短,能够快速地重构出稀疏流信号,具有更好的重构性能。2、针对低信噪比时稀疏信息不明显的问题,给出了一种基于Robust PCA的流信号参数估计算法。该算法首先构造天波雷达回波信号的瞬时自相关矩阵,然后对该矩阵进行稀疏分解,最后利用分解后的矩阵同时估计多个机动目标的多个参数。所给算法有效的抑制了交叉干扰项,和传统算法相比,具有较高的参数估计精度,能有效的检测出目标,并且具有多目标检测能力。3、针对多个信号接近时存在干扰的问题,给出了一种基于高分辨率时频的流信号DOA估计算法。该算法根据信号的循环平稳特性,稀疏重构得到阵元接收信号的高分辨率时频,将所得时频矩阵代替阵元接收快拍的协方差矩阵,然后利用传统的MUSIC算法估计出DOA。所给的基于高分辨率时频算法,有效地抑制了多个信号源时的交叉项,和传统算法相比,角度分辨率高,估计误差更小,具有较高的DOA估计精度。