作为阵列信号处理中的一个热门研究方向,波达方向（DOA）估计在无线通信、车辆定位与自动驾驶、雷达系统及医学信息处理等领域中具有广泛应用。目前,大多研究聚焦于高斯噪声干扰下阵列接收信号的处理与分析。然而,随着通信技术的发展,电磁环境愈发复杂,受人工干扰或自然因素的影响,接收到的阵列信号会受到脉冲性噪声的影响,如卫星通信系统、水声系统、冲击波和爆炸波等条件下。基于高斯噪声的算法在脉冲噪声下会出现性能退化甚至失效,而已有脉冲噪声下的DOA估计算法存在依赖噪声先验知识、性能有待提升和适用场景窄等问题。为此,本文在脉冲噪声下对非圆信号的DOA估计、基于稀疏表示的均匀线阵DOA估计及MIMO雷达的DOA估计开展了深入的研究。本文的主要创新工作如下:（1）针对脉冲噪声下非圆信号的DOA估计问题,基于非圆信号的结构特征构造了扩展输出阵列,利用有界非线性函数得到了扩展阵列的有界非线性协方差矩阵,并证明了该矩阵与高斯噪声下得到的协方差矩阵具有相似的结构形式。进一步地,基于所提的协方差矩阵与空间谱技术,提出了适用于脉冲噪声下远场源与近场源的非圆信号DOA估计的改进算法。同时,为更好地衡量算法的性能,从理论上推导出了脉冲噪声下近场源非圆信号DOA估计中各参数的克拉美罗界。此外,针对脉冲噪声与同频干扰下的非圆信号DOA估计问题,利用有界非线性函数与循环平稳的概念,提出了一种基于有界非线性函数的广义循环相关概念,并结合Toeplitz矩阵重构,解决了脉冲噪声与同频干扰下相干与非相干的非圆信号DOA估计问题。本文提出的方法能有效地改善脉冲噪声下远场源与近场源非圆信号DOA估计的估计准确率与均方根误差。（2）针对脉冲噪声下基于稀疏表示的均匀线阵DOA估计问题,受到Cauchy损失函数对脉冲噪声具有抑制能力的启发,提出一种利用Cauchy函数作为代价函数的稀疏重构算法,进而提高脉冲噪声与阵元互耦干扰条件下的DOA估计性能。考虑脉冲噪声下的混合源DOA估计问题,提出一种利用相关熵的稀疏表示方法,并结合有界非线性函数,有效地解决了脉冲噪声下混合源的DOA估计与信源分类。对于脉冲噪声下的宽带DOA估计问题,利用循环相关熵和双曲正切循环相关概念的性质与稀疏表示,提出了适用于脉冲噪声条件的宽带信号DOA估计方法。进一步考虑信源个数未知条件下的DOA估计,提出了一种实值稀疏贝叶斯学习算法,在较低复杂度的条件下提高了脉冲噪声下非圆信号DOA估计的性能。（3）针对脉冲噪声下相参单基地MIMO雷达DOA估计问题,对于在格（On-grid）条件,提出了一种基于对数双曲余弦函数的代价函数用于稀疏重构,给出了稀疏重构的具体迭代过程,提高了脉冲噪声下MIMO雷达的DOA估计性能。进一步地,考虑离格（Off-grid）效应与信源个数未知的条件,提出一种基于稀疏贝叶斯学习的离格DOA估计方法,有效地提高了脉冲噪声下MIMO雷达DOA估计的准确率,并降低了估计的均方根误差。