近年来,天线阵列在工程中得到了广泛的应用。而且为了满足高增益和高空间分辨率的需求,更大规模的天线阵列变得越来越流行。大规模阵列的出现也带来了一些问题,比如在阵列天线工作一段时间后,相较于小规模阵列会有更多阵元出现不同程度的故障。而这些难以预料的故障会对阵列的性能产生不小的影响。因此,快速而准确地定位故障阵元就变得非常重要,这也是失效阵元诊断的目的。此外,在真实射频环境中存在闪电之类的自然爆发或人为干扰,还可能存在冲激噪声。因此提出了在冲激噪声环境中应用的失效阵元诊断方法。本文主要包括以下两个方面:1.考虑到相位信息测量的成本较高,提出了一种在冲激噪声环境下基于功率信息的失效阵元诊断方法。由于不需要测量辐射场的相位信息,且观测场的功率相对于阵列激励是二次的,那么就需要求解一个非线性逆问题以重构阵列激励。之后,将非线性逆问题转换为线性逆问题,其中阵列激励矢量被提升矢量代替。基于提升矢量的结构,定义了具有与阵列激励矢量相同结构的绝对阵列激励矢量。由于这两个向量具有相同的结构,因此假设它们也具有相同类型的概率分布。具有不同参数的广义高斯分布被用来模拟不同阵元失效率下的真实激励矢量和绝对阵列激励矢量的概率分布。环境中的冲激噪声则由拉普拉斯分布进行模拟。应用最大后验（Maximum a posteriori,MAP）准则来给出凸优化问题。由于这个凸优化问题不能直接求出解析解,所以采用了近端梯度法推导出具体的迭代更新算法。最后,通过计算机模拟和实验验证了该方法的有效性和优越性。2.考虑到真实情况中的阵列失配问题,提出了一种冲激噪声环境下,考虑阵列失配的阵列诊断方法。在阵列失配情况下,被测阵列的阵列流形中将存在相应的误差,这会影响重构阵列激励的准确性。另外,由于实际环境中还存在的混合噪声,这就使得传统的基于压缩感知理论的诊断方法无法达到预期的效果。为了解决该问题,提出了一种冲激噪声环境下且充分考虑阵列误差的阵列诊断方法。基于天线阵的远场数据模型,得到了与所提出的问题对应的数学模型。将₁l范数约束应用于冲激噪声抑制,得到新的优化问题。之后,基于二分法求出了该优化问题的最优解,准确重构了阵列激励。最后,通过计算机仿真验证了所提出的方法。