目标方位估计是高分辨阵列信号处理中的重要研究内容，在水声信号处理中受到了广泛的关注，对信号源定位、信号特征提取以及干扰抑制等非常重要。几十年来研究者们提出了多种有效的目标方位估计方法，其中一些方法的有效性也在实际声纳系统中得到了充分的验证。但是，因为海洋环境具有时空多变性，对声场有着强烈的影响，再加上复杂的背景噪声使得一些传统的高分辨率目标方位估计方法无法得到理想的检测效果;另外，随着潜艇降噪技术的发展，潜艇的辐射噪声级越来越低，对声纳系统成功进行被动目标探测提出了越来越高的要求。基于此，近几年来，利用信号稀疏性的压缩感知理论被引入到目标方位估计中，此方法在理论上可以以更少的采样样本和阵元数得到更高的探测能力，本文对此基于压缩感知的目标方位估计方法进行研究，针对水声应用环境进行性能分析和改进。另外，针对目前常用的信号处理系统实现技术在开发成本、可靠性、后期维护等方面的不足，对基于新型流式处理系统的实现技术进行了研究。论文的主要研究内容和创新点如下:　　1、基于压缩感知的目标方位估计方法。系统地对常用的目标方位估计方法进行了性能和优缺点分析，在介绍了压缩感知理论基础上，对基于凸优化和贝叶斯的压缩感知在目标方位估计中的应用进行了详细介绍和仿真分析，指出了其在参数设置和噪声方差估计存在误差时导致的伪峰问题。在贝叶斯先验模型基础上，提出了基于波束输出噪声背景预估和二值指示变量标记的改进模型，并结合变分贝叶斯推断和一种基于信号先验方差的噪声估计方法得到了可以有效抑制伪峰的方位估计方法，以Student-t先验模型为基础进行迭代过程推算，然后将其推广用于多快拍情况。数值仿真和海试数据处理结果表明，该方法在准确估计目标信号方位的同时，可以显著减少空间谱中出现的随机伪峰，提高波束输出的峰值背景比，更清晰有效地对目标进行检测。　　该部分创新点有:　　(1)提出一种基于波束输出噪声背景预估和二值指示变量标记的贝叶斯先验模型，对目标方向和非目标方向分开对待，利用预估的波束输出噪声背景对伪峰方向进行约束。　　(2)利用一种基于信号先验方差的噪声估计方法对变分推断得到的噪声方差的迭代计算步骤进行替换，提高了噪声方差的估计性能。　　(3)将改进先验模型贝叶斯压缩感知的目标方位估计方法推广到多快拍模型中，并推导出了其变分迭代步骤，利用多快拍数据提高了空间谱估计的性能。　　2、信号处理系统实现技术。对常见的几种基于不同处理器的信号处理实现技术进行了分析总结，而后以基于数字信号处理器的实现技术为例，对传统架构系统在开发成本、程序复用性、系统可靠性以及后期维护等方面的不足进行了分析，优选出了流式处理系统Storm用于后续阵列信号处理技术的实现平台，提出了一种基于大数据流式系统的新型信号处理实现技术。利用通用处理器和Storm系统代替DSP处理器和其相应的数据流程序框架，对波束形成算法进行模块化分解，揉入到Storm拓扑中，由Storm集群完成数据的传输和处理，完成了波束形成的Storm分布式实现。数据处理和性能测试表明，此新型架构满足水声信号处理的实时性要求，且任务分配更加灵活，可靠性高、可扩展性与程序复用性较好。　　该部分创新点有:　　(1)提出一种基于大数据流式系统Storm的新型信号处理实现技术，改善了传统架构系统在开发成本、程序复用性、系统可靠性以及后期维护等方面的不足。　　(2)利用Storm分布式系统平台对波束形成算法进行实现，初步验证了新型信号处理实现技术的优势。