波达角（Direction Of Arrival，DOA）高精度估计对于应用毫米波大规模阵列实现多用户高速通信意义重大.针对宽带效应恶化接收信号质量、混合结构引起信号维度下降、多用户角度估计计算复杂度高等问题，本文提出了一种基于宽带信号相位测量的高精度DOA估计方法.首先，建立了基于混合结构的毫米波大规模阵列系统模型和宽带接收信号模型，论证了宽带效应的影响.其次，推导了DOA估计的克拉美-罗下界（Cramer-Rao Lower Bound，CRLB），并基于最小化CRLB提出了一种满足恒模约束的最优模拟矩阵设计方法.随后，针对单用户场景，提出了一种基于相位测量的无网格渐进CRLB高精度DOA估计方法.最后，针对多用户场景，提出了利用期望最大化（Expectation Maximization，EM）方法的迭代DOA估计算法，避免了联合估计导致的维度灾难，降低了计算复杂度.仿真结果显示，在信噪比超过5 dB时，所提单用户、多用户估计算法能够渐进达到CRLB，DOA估计性能超越传统估计方法，验证了本文所提算法的有效性，避免了宽带效应和信号降维的影响.

随着新一代信息基础设施建设的持续推进，多维阵列信号处理在雷达、通信、遥感等领域发挥着越发关键的基础性作用.多维阵列信号涵盖了丰富的空域/时域/频域/极化等参数信息，蕴含着巨大的经济和社会价值.为了解决传统矢量/矩阵模型在表征多维阵列信号时存在的结构化信息损失问题，张量代数逐步成为多维信号特征提取和利用的有力数理工具.然而，随着信号维度的扩张，遵循奈奎斯特采样定理所获取的信号规模在张量空间以指数级别膨胀，而现有系统所能提供的算力资源却在逼近物理极限，造成计算过载、时延过长等问题的出现.针对这些问题，稀疏感知利用信号在物理空间的稀疏性实现欠奈奎斯特采样信号处理，其从一维到多维空间的拓展为大规模张量信号的高效处理提供了可能.同时，引入互质、嵌套等结构化稀疏感知模式，可从增广虚拟域信号处理的角度提升系统性能.因此，本文面向多维阵列信号特征的高经济性获取需求，以“理论基础—算法设计—鲁棒机理”为主线，介绍结构化稀疏阵列张量信号处理的新理论与新方法.本文介绍了稀疏张量信号处理的高阶统计处理理论，通过构建虚拟域张量模型并设计其对应的信源辨识能力优化策略，保障了多维虚拟域上的奈奎斯特匹配处理和欠定参数估计；在此理论基础上，围绕波达方向估计和波束成形这两个基本问题，介绍了基于虚拟域张量填充的稀疏阵列波达方向估计算法，充分利用全部的非连续多维虚拟域信息实现高精度、超分辨信源测向，并介绍了基于互质张量权重优化的稀疏阵列波束成形算法，实现波束方向图上的虚峰消除和主瓣尖锐化，提高了稀疏阵列的信号增强与抗干扰性能；在此基础上，从提高非理想条件下的稀疏张量信号处理鲁棒性角度出发，介绍了一种资源集约型张量化神经网络架构，克服了非理想张量统计模型失配带来的性能衰落问题，从数据驱动层面实现面向稀疏张量信号特征开展机器学习的高效性、鲁棒性.

针对车载调频连续波雷达存在相互干扰的实际情况，本文提出了一种基于三阶互累积量的多目标波达方向超分辨估计方法.该方法利用同步采集的阵列信号并根据回波信号和干扰信号的非相关特性，构造三阶互累积量矩阵，随后根据子空间方法获得二维空间谱，实现距离和方位的联合估计.计算机仿真结果表明，本文所提方法能够在抑制强干扰影响的同时实现3°以内多目标识别，与现有超分辨法和重构法相比，具有更高的角度分辨率和估计精度.

波达方向估计（Direction Of Arrival，DOA）通过使用传感器阵列来识别声源方位，而传统的DOA估计方法忽略了声源在空间分布的稀疏性，目前的凸稀疏DOA估计方法和非凸稀疏DOA估计方法所使用的惩罚函数未考虑稀疏度量 {\mathit{𝓁}}_{\mathrm{0}}范数的重要特性——尺度不变性，因此无法精确描述声源的空域稀疏结构，难以获得较高的DOA估计精度.为此，本文首先使用具有尺度不变性的范数比函数来逼近 {\mathit{𝓁}}_{\mathrm{0}}范数，刻画声源空域稀疏结构；接着，针对范数比函数的非凸特性，采用光滑化的思想，构建了平滑的近似函数；然后，构建了基于光滑 {\mathit{𝓁}}_p比 {\mathit{𝓁}}_q范数的稀疏DOA估计模型，开发了基于光滑 {\mathit{𝓁}}_p比 {\mathit{𝓁}}_q范数的稀疏DOA估计算法（Smoothed {\mathit{𝓁}}_p-Over- {\mathit{𝓁}}_q regularized Sparse DOA Estimation algorithm，SPOQ-SDOA）.大量仿真分析表明，与流行的多快拍DOA估计算法相比，本文提出的算法在不同信噪比和快拍数下有更高的DOA估计精度和更好的性能表现.SWellEx-96海试实验中的S5事件分析结果验证了所提算法的有效性.

针对现有相干分布源波达方向（Direction Of Arrival， DOA）估计方法计算量大、抗冲击噪声能力弱和不能有效去相干等难题，本文提出了一种冲击噪声下相干分布源多峰DOA估计方法，并推导了冲击噪声下相干分布源DOA估计的克拉美罗界.为了实现冲击噪声下相干分布源DOA估计，采用加权范数协方差抑制冲击噪声，进而首次推导出多峰加权信号子空间拟合方程，并设计了一种多峰量子秃鹰算法快速无量化误差求解.仿真结果表明，所提方法在冲击噪声下能够以较小的快拍数实现相干分布源DOA估计，且无需额外的解相干操作即可有效去相干.与一些已有的高精度DOA估计方法相比，所提方法仿真时间明显缩短，且具有更高的估计精度和估计成功概率，突破了已有相干分布源DOA估计方法的应用局限，可推广应用于其他复杂的DOA估计问题中.

为了提高极化敏感阵列中压缩感知类波达方向（Direction Of Arrival，DOA）估计算法的精度，避免网格失配问题，本文使用正交偶极子阵列在原子范数最小化（Atomic Norm Minimization，ANM）的理论基础上提出一种无网格波达方向估计算法.首先，将一维正交偶极子天线接收到的多快拍信号分解为两个子阵再求和，然后通过解决半正定规划问题恢复出一个含有入射信源信息的半正定Toeplitz矩阵，继而对该矩阵进行Vandermonde分解，恢复入射信源的DOA信息.同时结合协方差矩阵的向量化结果和最小二乘法计算得到入射信源的极化辅助角和极化相位角信息.通过仿真实验，在不同快拍数和信噪比下，对比子空间类算法和压缩感知类算法，证明了该算法具有较高的测角精度.

针对有色噪声背景下的不相关和相干混合入射信号，本文提出了一种新的波达角度（Direction Of Arrival，DOA）估计方法.首先对混合信号协方差矩阵进行分析和处理以消除其中的有色噪声部分.在此基础上，先利用多重信号分类（Multiple Signal Classification，MUSIC）方法或旋转不变信号参数估计（Estimation of Signal Parameters via Rotational Invariance Techniques，ESPRIT）法估计出不相关信号的DOA；然后利用改进的空间差分方法构造出一个新的只含有相干信号的协方差矩阵，且无秩亏损；最后利用MUSIC算法或ESPRIT算法从中估计出相干信号的DOA.和文献报道的方法相比，新方法具有更优的混合信号DOA估计性能，尤其对于相干信号.仿真结果验证了该算法的有效性.