近年来,随着信息技术的飞速发展,传统的DOA估计算法由于需要大量的采样数据、处理相干信号效果差、需要较高的信噪比等原因,在一些新兴领域的应用受到了很大的限制。因此,如何从有限的观测数据中高分辨地进行信号参数估计,就成为一个重要的发展方向。随着压缩感知理论的兴起与发展,为DOA估计技术的发展打开了一个广阔的空间。理论指出,在条件允许的情况下,稀疏或可压缩信号可以从有限的采样数据中高精确地恢复出来。为克服传统算法中存在的不足,有效利用信号的空域稀疏特性,本文采用压缩感知理论进行信号的参数估计。现将本文研究的主要内容和所完成工作列举如下:1.从理论发展历史出发,对DOA估计算法、压缩感知理论的相关背景知识做了简单概述。2.简要分析了阵列信号处理的基本理论,给出基本的均匀线阵的数学模型,并对传统的窄带信号的DOA估计算法进行介绍,其中包括几种经典的处理相干与非相干窄带信号的算法。3.着重分析了压缩感知理论中的三大核心要素,对稀疏重构的条件RIP特性和MIP特性做了简单分析。同时,针对信号的空域稀疏特性,建立重构模型,并对经典的基于压缩感知理论的L1_SVD算法做了简单的介绍。4.由经典的基于协方差矩阵稀疏重构的L1_SRACV算法出发,引出对这类算法的改进措施:如利用KR积变换、协方差矩阵形式变换等方法,得到新的观测向量和冗余字典,并利用大量的仿真实验说明改进后算法的优缺点。