稀疏分解是信号处理领域中一种新兴的方法。它把信号表示成了一种稀疏的形式。由于它对信号表示的特殊性，因而具有许多优良特性，从而引起了研究人员的重视。稀疏分解中常用的算法有匹配追踪算法(Matching Pursuit，MP)，正交匹配追踪算法(Othogonal Matching Pursuit，OMP)以及基追踪算法(Basic Pursuit，BP)等。　　 在信号处理领域中，阵列信号处理是一个重要的分支，它广泛应用于雷达、通信、声纳、地震、射线天文中。对于阵列信号参数估计方面的研究，以前都是建立在平稳窄带假设基础上的；而对宽带信号的处理，它的性能已经失效。所以，广大科研人员都对宽带阵列信号参数估计问题产生了极大兴趣。　　 本文将信号稀疏分解的方法应用到宽带阵列信号处理中，提出了基于正交匹配追踪OMP分解的宽带信号参数(起始频率，调频斜率以及波达方向)的估计方法。本文所作的主要工作和贡献如下：　　 (1)首先从窄带信号估计的MUSCI算法开始研究，继而深入研究了宽带信号处理领域中常用的时频分析方法--Wigner-Ville分布(WVD)算法。并把此算法应用在宽带Chirp信号的波达方向(Direction of Arrival，DOA)估计的空间谱研究中。　　 (2)对传统的信号分解方法--正交分解方法进行了介绍，以及本文主要研究的信号的稀疏分解方法--MP算法和OMP算法。提出了基于OMP分解的宽带Chirp信号的起始频率和调频斜率以及波达方向估计的多参数的估计方法。此算法主要是根据阵列结构和信号形式自适应建立过完备原子库，通过OMP分解，从过完备原子库中找出与待分解信号最为匹配的原子。根据这个最匹配的原子，来得到待估计信号的一些参数，从而实现信号参数的高精度估计。　　 (3)研究了宽带信号处理中经典的相干信号子空间算法(CoherentSignal-subspace Method，CSM)。聚焦矩阵的构造是CSM算法的核心问题。首先建立了宽带阵列信号模型，给出了求宽带聚焦矩阵的一种方法。同时主要分析了聚焦频率对CSM算法性能的影响，并与非相干信号子空间算法(IncoherentSignal-subspace Method，ISM)进行了比较。通过仿真实验说明了CSM具有良好的分辩性能，验证了该算法的有效性。