电磁矢量传感器阵列是由可探测电磁波极化信息的矢量传感器组成的阵列。相较于传统标量传感器阵列,该阵列因获取了接收电磁波所有的物理信息,具有抗干扰能力强、分辨能力高、检测能力稳健等优点,并且可以实现信号的极化编码。但是,矢量传感器阵列对信号极化信息的探测是靠增加传感器数目实现的,导致系统开销大幅增长,限制了其在阵列规模较大、供电能力较低或成本限制较大的场景中的应用。在阵列信号处理中,业已发展的单比特测量技术与稀疏阵列技术分别从测量成本与阵列结构的角度降低了阵列的系统开销。为了将电磁矢量传感器应用于更多系统开销受限的场景,本文在双极子矢量传感器阵列的基础上,提出了综合使用上述两种技术的单比特稀疏双极子阵列,并从提升性能、降低计算时间复杂度和适配低快拍场景三个方面,研究单比特稀疏双极子阵列的波达角（Direction Of Arrival,DOA）估计问题。本文的主要工作和贡献如下:1、分析了极化信号独立性假设的合理性,并提出了用于该阵列DOA估计的单比特MUSIC算法。首先,给出了极化信号独立性的理论分析,并讨论了源信号独立性假设在通信应用中的合理性,为DOA估计算法提供了理论支撑;然后,设计了一种用于单比特稀疏双极子阵列DOA估计的单比特MUSIC算法;最后,推导了单比特稀疏双极子矢量传感器阵列用于DOA估计时的克拉美罗界,为分析DOA估计性能提供了理论性能基准。2、研究了基于无网格稀疏重构的单比特稀疏双极子阵列DOA估计方法,以提升估计精度和增加可分辨源信号的数目。本文在每个方向极子对应的标量阵列中,将其单比特协方差矩阵近似表示为归一化无量化协方差矩阵与一个加权单位阵之和,然后利用差分阵列技术将DOA估计转化为一个多测量矢量线谱估计问题,并采用无网格稀疏重构技术求解该问题。与单比特MUSIC算法相比,该方法采用无网格稀疏重构有效抑制了单比特测量噪声,弥补了反正弦法则抗测量噪声能力弱的缺陷,从而提供了更好的估计精度;且无网格稀疏重构技术填充了差分阵列中的“孔洞”,从而可估计更多数目的源信号。3、根据单比特稀疏双极子阵列的结构特征,构建了并联协方差矩阵,以提升DOA估计精度。本文基于该阵列输出结构,构建了并联协方差矩阵,并将其近似为与标量阵列协方差矩阵一致的形式;在并联协方差矩阵的基础上,给出了基于协方差矩阵拟合的DOA估计方法。所提方法有效克服了差分阵列的统计效率下降问题,提升了DOA估计精度。4、研究了基于快速线谱估计的单比特稀疏双极子阵列DOA估计方法,以降低DOA估计的计算复杂度。本文理论证明了并联协方差矩阵的互相关项在快拍数较大时符合高斯分布,满足快速线谱估计技术的要求;随后,利用差分阵列技术将DOA估计问题转化为单测量矢量的线谱估计问题,并采用快速线谱估计方法求解该问题。与单比特MUSIC算法相比,该方法避免的运算量较大的特征分解步骤;与无网格稀疏重构方法和并联协方差矩阵拟合方法相比,该方法避免了运算复杂度高的半定规划步骤,大幅降低了DOA估计的计算复杂度。5、设计了用于单比特DOA估计的深度残差网络,提升了低快拍场景下单比特稀疏双极子阵列的DOA估计精度。本文通过对差分阵列输出做匹配滤波得到其线谱,将DOA估计问题转化为线谱降噪问题,并设计了在低快拍条件下通过学习线谱特征实现线谱降噪的深度残差网络,进而实现DOA估计。该网络通过数据驱动方式学习低快拍下差分阵列输出的离散几何分布,避免了该分布因无闭式表达式导致的物理模型难以拟合的问题。仿真实验证明,该网络在低快拍低信噪比场景下的DOA估计精度优于基于模型的方法,且计算复杂度低。DOA估计是阵列信号处理的基本问题,本文对于单比特双极子阵列DOA估计的研究成果,为单比特测量和稀疏阵列技术在电磁矢量传感器阵列中的应用,提供了基本的理论可行性和研究思路。