波达方向(Direction of Arrival,DOA)估计作为阵列信号处理的重要研究内容,广泛应用于雷达、声呐以及通信系统之中,因此受到研究人员的广泛关注。现代战场的电磁环境日益恶化,使得对目标信号的观测更加困难,因此对DOA估计算法提出了更高的要求,特别是在小快拍以及低信噪比等条件下,传统算法都难以满足需求。近几年来,稀疏表示理论在信号处理领域应用广泛,其基本思想是在给定冗余字典的条件下,用尽量少原子的线性组合表示信号,该理论在一定程度上能够克服传统算法的不足之处。在实际测向环境中,目标信号在空域内是满足稀疏性的,因此可以将稀疏表示理论引入阵列信号的DOA估计中,本文将基于稀疏贝叶斯学习理论研究稀疏表示模型下的DOA估计算法,旨在提高测向算法的估计性能,主要内容如下:首先,研究了波达方向估计理论基础,包括阵列信号接收模型和经典的子空间DOA估计算法,此外研究了稀疏表示的理论基础,分析了将其用于DOA估计的合理性,在此之上,重点研究了稀疏贝叶斯学习基本理论,并分析了相较于其它稀疏重构算法的优点。然后,针对均匀线阵DOA估计性能不足的问题,研究了基于互质阵列的稀疏贝叶斯学习DOA估计算法,通过向量化阵列接收数据的自相关矩阵,扩大了阵列的孔径,在此之上建立稀疏贝叶斯模型,并将噪声方差看成信号的一部分,利用最大后验估计重构稀疏信号。通过仿真实验对比了其它算法,验证了算法的有效性。最后,针对网格失配带来的模型误差,将离散网格看成变量,与稀疏信号进行联合估计,然后建立离网的DOA估计模型。为了提高DOA估计的性能,并不直接处理阵列接收的数据,而是通过计算接收数据的加权子空间,构造等价信号的稀疏模型,从而具有更高的估计精度,然后在块稀疏贝叶斯框架下重构出稀疏信号。通过仿真实验对比了其它主流算法,验证了所提算法的有效性。