随着阵列信号处理理论和技术的发展,测向技术在雷达、无线通讯、声纳、地震勘及射电天文等许多领域得到广泛应用,尤其在近十多年来获得了飞速发展。随着阵列传感器DOA估计技术的广泛应用,必然也将逐渐对DOA估计理论和方法提出更高的要求,从而促进这一技术的继续发展。因此,传统的DOA估计方法除自身存在的一些缺点外,在估计精度、角度分辨能力及对阵元尺寸等要求上,也已经远远满足不了实际应用的需要。此外,自然界中存在着许多宽带信号如声音信号、地震波等,同时随着通信系统中跳频信号、线性调频信号、扩频信号等宽带信号的广泛应用,宽带测向方法也逐渐成为近年来阵列信号处理领域的一个的研究热点。而近年来出现的稀疏表示理论及其最具影响力的应用——压缩感知理论,为阵列目标方位估计新方法,尤其是宽带目标DOA估计方法的研究提供了新的思路和理论引导。针对上述存在的问题,本文开展了基于稀疏表示理论的阵列传感器目标方位估计的研究,针对当前稀疏表示类DOA估计算法,尤其是针对宽带目标的DOA估计方法中存在运算速度慢、重构精度不高等问题,本文首先在研究稀疏贝叶斯学习(Spare Bayesian Learning,SBL)基本原理的基础上,结合定点方法原理,对标准的SBL算法进行了改进,提出了基于SBL-FP的目标DOA估计方法,重点分析了基于该算法的宽带目标DOA估计原理,并通过仿真实验与传统的目标DOA估计方法及常用稀疏重构算法进行多方面性能的比较和分析。结果仿真显示出该算法具有较高的精度、相对较小的运算量以及良好的角度分辨能力等优点,为基于阵列传感器的波达方向估计研究提供了新思路或有效方法。此外,本文在基于SBL-FP算法的宽带目标DOA估计研究的信号模型下,引入张量切片的概念,建立切片稀疏表示模型,对各个频点上的窄带目标阵列输出协方差数据进行联合处理,并基于贪婪匹配追踪算法,提出了基于MMS-OMP的宽带目标DOA估计算法,并通过仿真实验与传统的宽带目标DOA估计方法作了比较分析,验证了该方法的可行性及有效性。