本文将分布式压缩感知理论应用在水声阵列信号处理中，主要包括阵列信号的联合恢复和参数估计两个部分。　　 首先，本文回顾了阵列信号处理的发展历史和压缩感知理论的研究现状。　　 然后，介绍了压缩感知理论的基本内容，从信号的稀疏表示，测量矩阵的性质和恢复算法的介绍三个方面详细阐述了压缩感知理论实现的原理。　　 第三，介绍了针对多传感器应用的分布式压缩感知理论，以及常用的三种联合稀疏模型，并介绍了一种适用于同步稀疏模型的SOMP算法。基于水声阵列中各路信号具有相同的频谱结构的基本事实，应用SOMP算法重构恢复阵列信号。根据辐射噪声的不同类型，给出了分布式压缩感知的不同应用方法，实现了一定程度的压缩采样，达到了预期的效果。　　 第四，本文还研究了基于冗余字典表示的水声阵列信号参数估计问题。利用阵元间信号时延结构的高度稀疏特性，利用一个阵元信号做冗余字典，实现了其他阵元的超高压缩比的采样。实验表明，时延估计的精度没有受到影响，估计成功的概率很高。由于阵列的信源入射角与阵元间信号的时间延迟有着本质的联系，因此将压缩感知理论应用于基于传统波束扫描的波达方向估计中。仿真实验表明，基于信源入射角度稀疏结构的压缩感知DOA能够实现采样率的大幅下降。　　 最后对全文的工作内容做出了总结，并对将来的进一步工作进行了展望。