随着小型水下航行器的快速发展,传统的声压水听器将不能完全满足航行器较高的装备要求,所以性能稳定的矢量水听器将更加广泛的用于水声工程领域。微小型水下航行器受到自身尺寸大小的限制,该类小型平台所能携带阵列的尺寸比较小。矢量水听器技术是一种探测水中声能流方向与强度的新技术,不仅具有与频率无关的偶极子指向性,适用于低频信号的检测和测量,而且与由声压水听器组成的阵列相比,在达到相同的技术指标的前提下,其体积和重量都小得多。矢量水听器可以同时接收声压和振速信息,拓展了后置信号处理空间,而且很好的抑制了各向同性噪声,所以由矢量水听器组成的阵列在方位谱估计方面的性能优于传统的声压阵,因此基于稀疏重建理论进行矢量阵方位估计,为这种小孔径、较少阵元情况下小型水下航行器平台提高方位估计精度提供了一种新的思路。本论文开展基于压缩感知理论的声矢量阵方位估计的研究,针对传统CBF和MVDR方法分辨率差的问题,本文提出一种空域稀疏的声矢量阵方位估计方法,利用特定矩阵把稀疏信号投影到一个低维的空间上,并且根据信号的稀疏先验条件,通过平滑l0范数算法快速精确求解的目标方位角,完成DOA估计。仿真结果表明该方法具有估计精度高、运算量相对较小以及阵列尺寸要求相对较低等优点,为基于微小型水下航行器平台的水声目标DOA估计的应用提供了有价值的技术思路和方法。远场目标位置在连续的低速变化时,矢量水听器阵列所获得的信号是离散形式的时序信号,信号之间存在着较强的时间相关特性。针对基于压缩感知的声矢量阵方位估计方法主要是根据信号本身的空间结构特性进行分析,而处理具有时序结构的水声信号时,会出现算法性能和精确度差的问题。本文提出一种基于稀疏贝叶斯学习理论的声矢量阵方位估计方法,采用多任务学习的思想,建立多测量信号矢量的空间稀疏模型,利用样本获得的正定矩阵描述多测量信号矢量之间的相关特性,通过稀疏贝叶斯学习算法高效的重构信号空间谱。通过仿真实验,说明该方法重构精度高,且具有较高的空间分辨率,在低信噪比下仍然具有较好的估计性能。