阵列信号处理是现代信号处理领域的一个重要分支,其利用传感器阵列来接收空间信号,与传统的单个定向传感器相比,具有灵活的波束控制、高的信号增益、极强的干扰抑制能力及高的空间分辨能力等优点。参数估计是阵列信号处理研究的一类很重要的问题,包括空间信号的波达方向(Direction of Arrival,DOA)估计、频率估计和极化参数估计。平行因子分析方法是阵列信号处理中常见的参数估计算法,借助压缩感知,往往可以降低空间存储需求和计算复杂度。本文主要研究基于压缩感知平行因子框架的阵列参数估计算法,选题具有理论意义和应用价值。本文工作如下:1)研究均匀面阵中一种基于三线性压缩感知的二维角度估计算法,该算法将压缩感知理论与平行因子分析方法结合起来,实现面阵中的二维角度估计。该算法无需谱峰搜索,能够实现参数自动配对。由于压缩,该算法的计算复杂度低于传统的三线性分解算法。仿真结果表示,该算法的角度估计性接近于传统的三线性分解算法,且优于借助旋转不变性进行信号参数估计(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法。2)提出线阵中一种基于三线性压缩感知的角度与频率联合估计算法,将压缩感知理论与平行因子框架结合起来,实现DOA和频率的联合估计。分析算法的计算复杂度,并和传统的平行因子方法进行对比,该算法拥有更低的计算复杂度。此外,我们推导了参数估计的克拉美罗界(Cramer-Rao bound,CRB)。仿真结果表明,该算法的角度和频率估计性能优于ESPRIT算法和传播算子(Propogator Method,PM),且接近于传统的三线性分解算法。该算法能够自动配对角度和频率估计的结果,且同时适用于均匀和非均匀线阵。3)提出一种电磁矢量阵中基于四线性压缩感知的发射角(Direction of Departure,DOD)和到达角(DOA)估计算法来解决电磁矢量多输入多输出(Multiple-Input-Multiple-Output,MIMO)雷达中的角度估计问题。首先将接收信号构建成四线性模型,利用压缩矩阵进行压缩,随之利用四线性交替最小二乘算法进行四线性分解,最后通过稀疏恢复问题的求解获得DOD/DOA的估计。借助压缩过程,该算法降低了传统基于四线性分解的角度估计算法的计算复杂度。文中给出了复杂度分析和克拉美罗界推导。该算法的角度估计性能优于ESPRIT算法,且接近传统的四线性分解算法。