随着无线通信的不断发展,接入设备的丰富性与信息传输所需的大宽带使得频谱拥挤问题日益严峻。在认知无线电可动态分配频谱资源的框架下,基于阵列技术的频率和DOA联合谱估计可以从频域、空域两个维度感知频谱空穴,为用户获得更多接入机会,有效地缓解频谱拥挤问题。另一方面,基于欠采样的谱感知技术则可以突破奈奎斯特采样定理,解决宽带信号采样问题。因此,本文系统地研究了欠采样下的DOA估计问题以及多频带信号多参数联合估计问题,旨在解决欠采样下阵列信号多参数联合估计的准确性、鲁棒性、场景复杂性等问题。本文主要贡献如下:首先,本文研究了空域欠采样下的DOA估计问题。针对现有算法随着天线数、快拍数增大而计算复杂度过高等问题,本文借助单比特量化技术和压缩感知的框架,将DOA估计问题转化为分类问题,提出一种稀疏阵列下基于分类思想的DOA估计算法框架,并推导了模型的克拉美劳界。在该框架下,可以使用机器学习中经典的二分类算法如逻辑回归、支持向量机等来求解DOA,通过网格精炼的思想进一步校正了估计角。仿真结果表明,所提算法在准确性和分辨力方面都要优于现有算法。接着,为了解决欠采样下远场多频带信号的频率和DOA联合谱估计问题,本文将广义L型阵列与调制宽带转化器（Modulatd Wideband Converter,MWC）结合。当系统结构中的L型阵列呈均匀排布时,本文采用了Joint ESPRIT算法以及基于压缩感知的联合谱估计算法来估计频率和DOA。之后,为了解决现有均匀阵列类算法硬件复杂度过高的问题,通过引入空域欠采样技术,即稀疏阵列,本文提出一种时空欠采样下的频率和DOA联合估计算法。通过仿真结果表明,所提算法由于将系统前端的阵列布置为稀疏L型阵列,形成了阵列孔径增加的等效虚拟阵列,因此在频率和DOA联合估计方面的性能要优于基于均匀阵列的Joint ESPRIT算法和CS算法,硬件复杂度大大降低。最后,基于前述研究基础,本文提出一种欠采样下混合场多频带信号的三维参数、四维参数联合估计框架,并推导了算法的性能界。针对不同的估计目标和场景,本文设计了对应的欠采样结构。其中,混合场三维参数、四维参数联合估计采用的系统结构分别是对称ULA-MWC、对称十字阵-MWC的系统结构。在该框架下,本文使用协方差算法、PM算法、JAFE算法先获得载频及其混合信号子空间的估计,之后利用估计的混合信号子空间结合子空间理论、压缩感知理论以及斜投影技术来估计相应的远场参数和近场参数。与现有算法相比,所提算法框架在每个环节下未知参数只有一个,且载频和混合信号子空间自动配对,解决了传统的多参数联合估计算法因多维搜索、参数配对、高维矩阵特征值分解等带来的计算复杂度过高的问题。通过仿真结果表明,随着系统结构时延通道的增多,算法在参数联合估计方面的性能也越来越好,即JAFE算法优于PM算法、PM算法优于协方差算法。