基于压缩感知的参数估计则可以突破该理论对采样速率的限制,对于具有稀疏性或可压缩性的目标信号,只需很少的测量值就可以完成高分辨或超分辨的信号参数估计。论文对压缩感知从其数学模型,信号的稀疏观测和信号的完整恢复等方面进行了详细阐述和研究,并主要从稀疏信号的稀疏度估计和阵列信号的波达方向(DOA)估计两方面详细介绍了压缩感知理论在信号参数估计中的应用。主要工作和创新体现在以下方面:1.文章在对已有稀疏度估计重构算法分析的基础上,提出了一种新的能够对信号稀疏度值进行精确估计的重构算法AStMP。论文分别从稀疏度初始估计、变步长方式、原子预选择和支撑集等方面详细介绍了AStMP算法相比已有重构算法在稀疏度估计方面的改进之处,并通过MATLAB仿真验证了AStMP算法的性能优越性。2.论文对1l-SVD,OMP及FOCUSS三种算法基于稀疏重构的DOA估计算法进行了深入研究,并从其DOA估计谱峰以及不同快拍、信噪比和接收阵元数对DOA估计结果的影响等方面进行仿真以说明其相比传统的DOA估计算法具有分辨率高、抗噪能力强等优点。在OMP算法优缺点分析的基础上,将SVD分解思想与OMP算法相结合,在OMP算法求解稀疏解和更新残差过程中进行QR分解,以降低算法运算量,提高抗噪声干扰能力。通过仿真实验证明,基于SVD分解的OMP算法具有较好的DOA估计性能,在降低算法计算复杂度的同时,有较好的噪声抑制性能。