随着压缩感知理论的兴起与发展，其应用于阵列DOA（Direction of Arrival）估计时候，表现出来的少快拍（单快拍）、低信噪比条件下仍有较好性能，以及天然的解相干能力等优势，是传统DOA估计算法所不具备的，因此使用压缩感知理论进行阵列DOA估计，能克服传统方法的许多不足，具有十分重要的意义。本文首先介绍了基于压缩感知的阵列DOA估计的研究现状，及压缩感知和阵列DOA估计的基本原理和数学模型，然后从空间网格划分方式、贪婪算法的DOA估计的性能以及DOA解相干算法三个方面来进行研究。由于把空间信号当成稀疏信号，阵列流型矩阵充当了压缩感知模型中的测量矩阵的角色，这就要求阵列流型满足稀疏重构条件。文中分析了目前存在的等角度与等正弦的空间网格划分方法对阵列流型任意两列之间的正交性的影响，并提出了一种“类正弦”的划分方式。分析表明，空间参考角度在不同范围时，三种网格划分方式对正交性的影响不同，因此，不同的观测空间要采用不同的网格划分方式。随后本文选取贪婪算法中的三种典型代表：OMP（Orthogonal MatchingPursuit）、ROMP（Regularized Orthogonal Matching Pursuit）和CoSaMP（CompressiveSampling Matching Pursuit）算法进行DOA估计性能研究。首先在单快拍SMV模型下，仿真它们的均方根误差与成功分辨概率随信噪比和阵元个数的变化情况。结果表明OMP算法性能最好；ROMP算法由于采用了阈值思想，容易产生虚假信号；CoSaMP算法不太稳定，一旦角度估计错误，往往就会产生很大的偏差。然后在多快拍MMV模型下，分析了OMP算法的性能。结果表明，贪婪算法不同于传统的子空间类算法，只有在增加很少量快拍数的时候对算法性能有所提高，快拍数过多对算法性能没有任何改善作用。最后本文选取了传统解相干算法中基于奇异值分解的ESVD-ESPRIT算法，分析其在单快拍时候的解相干性能，并与OMP算法比较。发现在低信噪比时，OMP算法性能较好，而高信噪比时ESVD-ESPRIT算法较好。因此，综合两种算法的解相干思想，将ESVD-ESPRIT算法引入OMP算法的迭代过程中，同时利用了CoSaMP算法的回溯思想，提出了一种新的解相干算法。仿真分析表明，该新算法性能优于OMP和ESVD-ESPRIT算法。