空间谱估计是阵列信号处理的一个主要问题,同时也是预警探测系统的重要组成部分。在得到辐射源信号波达方向的同时,结合目标的其他参数,就可以为精确打击敌方目标提供依据。随着技术水平的不断提高,针对超宽带射频信号的接收和处理,现有的高速数字信号处理芯片采用传统奈奎斯特采样定理时,面临着采样数据量巨大,难以满足大带宽的采样速率的瓶颈。目前,压缩感知(Compressive Sensing,CS)理论已经成为信号采样与压缩的一个全新研究方向,以减轻系统面临的软硬件压力。本文将压缩感知理论应用于窄带信号与宽带信号的处理,利用信号在多个维度的稀疏特性,提出相应的算法,从而实现高分辨的波达方向估计。在此基础上,改进传统阵列模型,实现对阵列结构的优化,在降低采样速率的同时减少了前端链路通道数量,有效的降低了信号处理数据量。本文主要工作内容如下:1.介绍了阵列信号处理的基本内容,并对传统算法进行了分析和仿真。对压缩感知理论的三个基本问题进行说明,主要研究了MP算法与OMP算法。2.在窄带信号处理方面,对传统的阵列结构进行改进,提出了空时联合压缩采样阵列(STCS),该阵列可以在空域和时域对信号进行降维降速率压缩采样。在此阵列结构基础上,应用2D MVDR算法,实现了空频二维谱的精确估计。空时联合压缩采样阵列的应用,能够同时实现采样速率的降低与阵列前端链路通道的减少,有效保证了数字信号处理的实时性。3.在宽带信号处理方面,针对DOA估计问题,改进了一种联合阵列协方差数据层叠为张量的片稀疏模型。利用空间角度的稀疏性,构造过完备基,提出了一种MMS-OMP算法,以稀疏表示为支撑,完成了对波达方向的高分辨估计。实验结果表明,该算法且具有更好的分辨率与稳定性,同时避免了聚焦算法的缺点。此外,贪婪算法的使用可以降低计算复杂度。4.进一步考虑对阵列结构进行优化,提出了一种单接收机阵列模型。该阵列模型采用一种时间预处理技术,将阵元输出数据进行随机权重求和并输出到接收机,有效地减少了接收机与接收数据量。在此阵列结构上,针对宽带频率稀疏源DOA估计问题,改进了一种SF-FOCUSS算法,利用信号在空域和频域的稀疏性实现波达方向估计。实验结果表明,在一定条件下,随机权重矢量满足高斯分布和伯努利分布均能够实现DOA的精确估计,且高斯分布的性能优于伯努利分布。