近些年,随着阵列信号处理的迅猛发展,波达方向角（Direction-of-Arrival,DOA）估计成为研究热点,并在无线传感器阵列网络、无人驾驶、电子对抗等众多领域发挥着愈加重要的作用。经典子空间类算法在低信噪比（Signal-to-Noise-Ratio,SNR）、相干目标等恶劣环境下,很难实现精确DOA估计。随后稀疏信号恢复（Sparse Signal Recovery,SSR）类算法应运而生,为上述问题提供解决途径。然而由于阵列不完美校准,天线间存在诸多破坏理想阵列流型结构的因素,导致算法估计性能下降甚至失效。因此基于阵列流型扰动背景,本文主要研究了互耦误差条件下,非圆信号稳健DOA估计算法以及幅相误差条件下,单基地MIMO雷达联合角度估计和阵列校准算法。首先给出了阵列接收信号模型以及数学理论基础,同时详细阐述了经典子空间类DOA估计算法的原理和实现步骤;然后系统介绍了基于压缩感知（Compressed Sensing,CS）理论的稀疏恢复原理及其代表性算法;最后通过仿真实验与结果,对比分析了上述算法的角度估计性能。其次基于阵列流型扰动背景,主要考虑了互耦误差。同时结合了非圆信号广泛存在性和优越性,有效提出了两种非圆信号DOA估计算法,解决了互耦误差条件下非圆信号稀疏恢复问题。首先基于非圆性和参数化解耦思想,在数据域构建了非圆块扩展数据模型,然后提出了基于l1-SVD原理的联合重加权块稀疏恢复算法。其次不同于数据域奇异值分解技术,利用协方差域特征值分解技术,重新提出了基于WSF原理的联合重加权块稀疏恢复算法。最后开展了一系列仿真实验,证明了互耦误差条件下,两种所提非圆稀疏测向算法的稳健性和优越性。最后基于阵列流型扰动背景,主要考虑了幅相误差,提出了基于特征空间的联合参数估计算法,实现了单基地MIMO雷达角度估计和阵列校准。首先构建了幅相误差条件下单基地MIMO雷达信号模型;然后基于解耦信号子空间,利用ESPRIT（Estimation of Signal Parameters via Rotational Invariance Techniques）原理实现了DOA粗估计;其次基于解耦噪声子空间,采用改良MUSIC（Multiple Signal Classification）原理,通过局部谱峰搜索实现了DOA精估计。最后基于DOA精确值,成功估计了幅相误差。从测向和幅相误差校准两角度出发,所提算法不仅优于经典子空间类算法,尤其近距离目标,而且适用于非均匀线性阵列（Non-uniform Linear Array,Non-ULA）。更重要的是,局部搜索大大降低了所提算法运算成本。最后充分分析了不同算法的对比结果,有力验证了所提算法的稳健优势。