雷达信号方位估计一直是近年来的研究热点问题,随着各类方法的深入研究,该项技术已经逐步趋于成熟。目前,由于高频雷达的工作频段非常有限,迅速增长的频率需求使得本来就相对紧张的工作频段变得更加拥挤不堪,在这种情况下各类频率信号的占用将电磁频谱环境变得更为复杂且对雷达接收机的干扰也日渐严重。对于雷达接收机正常工作影响较大的就是工作在这一频段的短波电台,由于短波电台的存在会在某一方位上对接收机形成强度较大且稳定的干扰信号,如果能够将干扰电台的方位进行估计,得出干扰方位,从而使得雷达信号在该方位工作时的工作频段选取时避开该方位存在的干扰频段。这样在干扰存在的区域,使用其他频段资源雷达依然正常工作。同时,在其他区域该频段可以正常使用,从而可以指导雷达工作时的频率选取。大大优化频率资源的有效利用。本文采用空间谱估计技术实现对干扰电台的方位实现估计。同时,对于信号中存在的强干扰信号和快拍数较少等复杂情况进行了考虑,并采用压缩感知技术实现单快拍的方位估计和线性调频信号的强干扰的剔除和信号恢复,最终完成强干扰背景下的信号方位估计。首先,对信号的方位估计进行了建模分析,对经典空间谱估计算法多重信号分类（multiple signal classification MUSIC）算法^[2]、基于旋转不变技术的信号参数估计（estimating signal parameter via rotational invariance techniques ESPRIT）算法^[2]、数字波数形成算法^[2]进行进行理论分析研究。同时,分析了MUSIC算法在进行信号方位估计时的优势和局限性,为能准确的实现实测信号的方位估计做好理论研究。然后,针对可能存在的信号快拍数不足的情况,采用压缩感知（Compressed sensing,CS）技术进行建模和理论分析,得出单快拍下的信号方位估计模型,并采用梯度下降系数恢复算法对信号的方位实现估计,并仿真分析该算法的优势和存在弊端。并对相干信号和非相干信号在不同算法下的精确度和分辨率进行了分析比较,通过多次蒙特卡洛仿真分析,各算法的估计精度的分辨率进行了总结。为了解决传统经典算法对于相干信号存在估计不准的现象,本文研究了平滑MUSIC算法,压缩感知算法,来实现对相干信号的方位估计。接下来对实测信号中存在的强干扰信号进行分析考虑,针对特定的线性调频信号,由于LFM信号是具有稀疏性的在其最佳分数阶傅里叶变换（Fractional Fourier Transformation,FrFT）域^[34],通过确定其最佳变换阶次,利用压缩感知理论即可通过部分信号恢复出原始信号,并且可以通过设置合理的测量矩阵对强干扰进行剔除并在只观测部分数据的情况下实现信号的重构。并仿真分析比较了重构前后信号的波达方向估计估计（direction of arrive DOA）性能。最后对实测数据进行全频段的数据采用MUSIC算法,CS算法^[24]和平滑MUSIC算法^[27]进行处理分析。最后处理得到在不同频点的干扰信号方位,从而实现对雷达信号实现全频段的干扰信号实现方位估计,从而指导选频。