时延估计作为一种重要的参数估计方法,在室内定位、目标监测、地质勘探等领域有着十分重要的作用。其中密集多径环境下的时延估计技术由于受到信号相关性及算法网格的限制从而成为该领域内的研究热点及难点。传统的时延估计方法如以特征值分解为理论基础的子空间类方法虽提高了时延估计的性能,但此类方法在密集多径环境下容易受到分辨率的限制而不能满足高精度的估计需求。基于稀疏迭代的参数估计方法为密集多径环境下的时延估计提供了新的解决思路,本文即在稀疏迭代算法的基础上对密集多径下的时延估计及时延-角度联合估计展开研究,本文的主要工作如下:(1)针对传统的时延估计方法面对离格问题无法满足精度要求的情况,本文设计了一种基于协方差的稀疏迭代时延估计方法,并结合了Chirp信号与OFDM两种不同的信号模型分析了该算法在不同信噪比下的时延估计性能,试验结果表明稀疏迭代算法的时延估计具有较高的估计精度,且要优于OMP算法。(2)为了提高密集多径情况下的时延估计性能,本文提出了一种结合匹配滤波的基于协方差矩阵的稀疏迭代时延估计方法,该方法将信号模型改为由传输信号的频域信息组成的信号模型,在仿真实验中采用了Chirp信号与OFDM两种信号进行实验,并将其与MUSIC、OMP、TD-SPICE、FD-SPICE算法进行实验对比,验证了该方法在密集多径情况下的估计优势。(3)针对密集多径环境下的时延与角度联合估计问题,本文结合前文的理论研究基础提出了一种基于频域信息的时延-角度联合估计算法,该算法结合改进的联合估计模型与稀疏迭代算法进行两次独立的参数估计,并将本文所提出的联合估计方法与MUSIC、TD-SPICE的联合估计方法进行对比,分别对联合估计中时延参数与角度参数估计的精度进行验证,分析了该算法在密集多径环境下的估计性能问题,数值结果表明所提出的联合估计算法具有较高的估计精度。