波达方向（Direction of Arrival,DOA）估计技术在水下目标定位等领域有着重要的应用和发展,随着海洋资源的不断开发,水下DOA估计发挥的作用也愈发重要。传统的DOA估计技术要求信号采样频率不低于奈奎斯特采样频率,这对采样后信号的传输和存储带来一定的负担和资源浪费。另一方面,海洋噪声中的色噪声具有信号相干性和与白噪声不同的功率谱分布,在实际测向估计中会产生较大误差。现有的压缩感知理论对于信号的采样问题提供了解决方案,能够保证稀疏表示信号经过较低频率的采样后实现信号的完全恢复,但对于水下环境中不同噪声信号降低估计性能的问题未能有效解决。本文将结合稀疏重构压缩感知理论和水下DOA估计算法,针对水下的低信噪比环境中白噪声和色噪声影响的问题进行深入研究。本文的主要工作如下:1.介绍了水下DOA估计理论基础和稀疏重构压缩感知理论,包括信号的数学模型、一维和二维DOA估计的常用阵列、稀疏重构压缩感知的DOA估计模型和重构原理,以及DOA估计性能的衡量指标。2.分析了经典的稀疏重构压缩感知算法的估计原理和具体步骤,推导了基于远场窄带信号模型的一维和二维估计的CRB,并对经典算法在估计性能和运算复杂度方面进行了仿真分析。仿真结果表明,凸优化类算法中的L1-SVD算法在估计性能上具有更好的估计精度。3.针对低信噪比和有色噪声对于算法估计性能的影响,提出了一种迭代更新权重的一维DOA估计（IUW-L1-SVD）算法。该算法基于加权思想构建稀疏最优解的加权矩阵,并对加权矩阵的系数进行迭代更新,为了降低噪声部分对于估计精度的影响,在凸优化之前对降维矩阵进行降噪处理。仿真结果表明,该算法在低信噪比的白噪声和色噪声环境中具有更高的正确估计概率和更低的估计误差,且算法的运算复杂度适中。4.针对二维DOA估计,提出了一种迭代更新权重的二维DOA估计（2D-IUW-L1-SVD）算法。该算法通过构造双字典观测矩阵代替单字典观测矩阵分别进行凸优化处理,并基于空间谱幅值配对的方法进行角度的配对,从而实现二维角度的估计。仿真结果表明,该算法具有更好的估计性能,并且对于噪声的影响具有良好的抑制效果。