波达方向(Direction of Arrival,DOA)估计是阵列信号处理中十分重要的组成部分,在雷达、通信、水声等领域有着普遍的应用。DOA估计通过天线阵的接收数据来估计入射信号的来波方向,是波束形成等阵列信号处理的前提。与此同时,作为高维数据的有效降维方法,基于稀疏性的压缩感知(Compressive Sensing,CS)理论近年来发展迅速,并在DOA估计领域得到了广泛的关注。基于CS理论的DOA估计算法相对于传统的DOA估计算法有独特优势,尤其是有更加广泛的适用场景。本文正是研究如何利用CS理论的新成果构建适用场景广泛且性能优异的DOA估计算法。首先,论文介绍了课题的研究背景,概述了DOA估计的研究进展和研究现状。对多重信号分类算法和旋转不变子空间技术这两类算法进行了介绍,重点分析了CS理论及基于CS理论的两种估计方法,总结了CS理论应用于到达角估计中的一般方法和步骤。其次,就采用CS的DOA估计中的无网格化处理进行了研究,提出了基于最小二乘余量CS的网格校正的DOA估计算法。在应用CS于DOA估计时需要对角度空间进行网格化,从而不可避免的带来网格效应。而压缩感知的新进展无网格压缩感知和贝叶斯压缩感知,可以用来去除网格效应,在高信噪比情形拥有较好的性能。通过仿真验证了这几种网格校正的DOA估计算法的有效性,与含有网格效应的算法的对比表明此类算法在高信噪比情形有一定的优势。通过仿真,也验证了提出的算法与传统算法相比有更低的计算复杂度和更高的估计精度。最后,对单比特量化情形的DOA估计展开了深入研究,提出了基于分类机器学习算法的无网格单比特DOA估计算法。单比特量化下的阵列信号处理技术在未来的大规模MIMO系统中有着非常广泛的应用前景。传统单比特DOA估计算法需要大量的快拍数才能获得比较精确的协方差矩阵的估计,而基于压缩感知的单比特DOA估计算法在单快拍情形也是适用的。本文提出利用信号的稀疏性从而将单比特DOA估计建模为分类问题的可行性,并提出一种基于分类算法的单比特DOA估计算法,该算法同时利用一致性重建以去除网格效应。仿真结果表明,该算法相对于现有的单比特DOA估计算法有更高的估计精度和更广泛的适用场景。