无线电测向又称为信号波达角(Direction of Arrival,DOA)估计,一直作为阵列信号处理的重要研究方向之一,被广泛运用到军事以及民用的各个领域。传统的无线电测向体制主要包括幅度测向、相位测向以及空间谱估计。面对日益复杂的电磁环境,经典测向算法的估计性能急剧下降甚至完全失效。压缩感知(Compressed Sensing,CS)理论的出现为无线电测向提供了一个新的思路,将压缩感知技术与无线电测向技术相结合,能够克服传统的DOA估计方法的诸多缺陷,因此具有重大的科研价值。本课题设计目标是实现大带宽下同时对多目标信号进行测向和监测,系统主要指标为:测向带宽为20MHz～8000MHz,测向灵敏度小于20μV/m,测向误差在2?内,测向时间小于5ms。本文首先介绍了压缩感知理论,对压缩感知理论的数学模型进行了深入的研究,包括信号的稀疏、观测以及重构三个方面,然后简要介绍了经典的测向机制。其次分析了空间谱估计的数学模型,并对MUSIC以及ESPRIT两种经典的子空间DOA估计算法进行了分析,重点研究了基于压缩感知的DOA估计的数学模型,以及基于压缩感知的DOA估计重构算法,包括贪婪重法和凸优化算法。针对当前经典相关干涉测向算法的只能对单一目标信号进行测向的问题,提出了一种圆阵列模型下的基于稀疏重构的相关干涉测向算法。该算法通过压缩感知技术与经典相关算法相结合,把经典算法的样本库作为传感矩阵,并以输入信号作为观测向量,运用贪婪算法对信号进行重构。最后对该算法进行仿真实验,结果表明本文提出的算法性能明显优于传统算法。经仿真验证后,将所提算法运用到多通道相关干涉测向系统中。通过搭建好的测试平台,对多个已知方位角的目标信号进行变换频率及方位变换测试。测试结果表明采用改进后的相关干涉测向算法后,系统测向精度为1.62?,测向灵敏度18.1μV/m,测向时间为4.49ms,并且能够同时对多个目标信号进行高精度测向,整体性能优于传统测向算法,达到了本课题的预期目标,具有重要的工程价值。