传统的Nyquist采样定理要求采样频率必须大于等于信号最高频率的两倍,但很多情况下信号带宽较大,采样频率难以达到最高频率的两倍。近年来Donoho和Candes提出了压缩采样CS(Compressed Sensing)理论。该理论利用原始信号的稀疏性先验知识,通过相应的稀疏重建算法来重构出原始信号。目前常见的稀疏重建算法主要包括基追踪方法(BP)和正交匹配追踪方法(OMP)。本文将压缩采样理论应用到雷达目标的波达方向(DOA)估计上,通过幅度调制实现多目标的DOA估计。现代雷达系统通常采用单脉冲技术来实现目标的DOA估计,但是当一个距离方位单元内存在多个目标时,单脉冲技术得到的一般是错误的DOA估计结果。对此,研究人员已经提出了最大似然(ML)方法和渐近最大似然(AML)方法来减少多个目标的影响。虽然这些方法可以实现多目标的DOA估计,其精度也较高,但是不能估计速度相同的多目标DOA。论文的主要工作概括如下：1.针对传统正交匹配追踪算法容易受原子间干扰的影响而导致重构效果较差,提出了一种自适应抑制原子间干扰的正交匹配追踪算法。以稀疏多径信道的估计为例,该算法通过设计一个自适应的感知字典,从而抑制训练序列之间干扰的影响,提高算法对非零抽头的检测概率,其信道估计精度要明显优于传统OMP方法的估计精度。2.针对单目标的DOA估计问题,提出了一种基于稀疏重建的波束扫描测向方法,该类方法不仅利用了天线方向图的峰值特性,还利用了基于冗余字典描述的接收数据的稀疏特性。与传统的基于峰值特征和对称约束的估计方法相比较,该类改进的方法需要的脉冲数更少,并且具有压缩采样的能力。3.推导了多目标DOA估计的Cramer-Rao Lower Bound (CRLB)下限,提出了基于压缩采样理论的多目标DOA估计方法。将多目标DOA估计问题看成是一个稀疏向量的重构问题,该稀疏向量的非零元素及其在向量中的位置信息分别表征目标的幅度信息和角度信息,并用BP方法重构稀疏向量。传统ML算法估计多目标DOA时,需要穷举搜索。而BP方法是求解一个凸优化问题,可以得到一个全局最优解。4.针对动目标的DOA估计问题,在前述静止多目标DOA估计基础上,增加了多普勒频率的估计,在构造测量矩阵时,对每一个角度进行频率扩展,重构的稀疏向量的支撑集包括了目标的角度和速度信息。与传统的ML算法相比,BP方法即使在目标速度相同的情况下,也可以准确估计出目标的方向。