传统的信号频率及波达方向(DOA)估计算法要求信号在时域及空域的采样过程必须满足Nyquist采样定理,然而在某些特定的场景下,如阵列接收信号具有很高的频率或要求阵列具备较高的角度分辨率,采用Nyquist采样将意味着对系统的采集模块与处理单元提出了更高的要求,推高了系统成本与硬件实现难度。然而欠采样又势必会导致信号参数估计的模糊问题,压缩感知理论的提出为欠采样信号重构问题提供了一个解决思路。本文围绕着欠采样条件下信号重构及解模糊问题展开,提出了基于压缩感知的时空欠采样信号重构和参数估计算法。本文首先对阵列信号模型及压缩感知理论进行了简单的介绍,验证了基于压缩感知的信号重构算法的可行性,并且分析了时域或空域欠采样所带来的频率或DOA估计的模糊问题,指出在均匀欠采样策略下无法通过内插解决信号重构及参数估计的模糊问题。针对时域欠采样导致信号频率估计出现模糊的问题,本文提出了一种基于压缩感知的多通道欠采样信号重构算法。并且在频率估计方面,与现有的基于中国余数定理(CRT)的频率估计算法进行对比,仿真分析了其在多种信号场景下的估计性能。随后,针对多通道信号重构算法需要更多的信号采集及处理单元、成本较高等缺点,提出了一种基于压缩感知的单通道欠采样信号重构算法,实现了在单个采样通道的情况下对信号的高精度重构。针对空域欠采样导致阵列方向图出现栅瓣、DOA估计模糊等问题,本文将之前提出的两种时域欠采样策略推广到空域,提出了两种稀疏阵列构型,并将压缩感知理论与DOA估计、波束形成相结合,在只需要较少阵元的前提下,实现了对稀疏阵列信号的重构过程,进而解决了其在DOA估计、波束形成中存在的模糊问题。最后,将时域欠采样信号重构技术与空域欠采样信号重构技术相结合,提出了两种时空欠采样条件下的信号重构方案,解决了时空欠采样信号频率与DOA联合估计的问题,并与单独时域欠采样或空域欠采样信号的参数估计性能进行了比较分析,验证了上述算法的有效性。