被动信源定位是阵列信号处理的重要研究内容之一,传统的信源定位技术研究大多基于子空间理论,但子空间类算法仍存在一些不可避免的问题与缺陷。近年来随着压缩感知理论的提出和发展,国内外学者开始注意到其与阵列信号处理之间的深刻联系,压缩感知理论逐渐在信源定位问题中得到应用并展示出了相比子空间类算法的独特优势,如较好的抗噪声性能、不依赖于信源数先验信息等。在信源定位问题的研究中,根据目标位置距离接收阵列的远近,信源可区分为远场源和近场源两种。传统定位技术研究主要基于纯远场或纯近场定位模型,但在一些实际应用中,远场源和近场源往往同时存在而形成混合源,而被动信源定位在无法得知两种信源的个数及远场源距离所在范围时会导致传统定位算法并不能完全适用于混合源。目前,针对远近场混合源定位算法的研究进展相对缓慢且成果有限,可主要分为两类:基于特征子空间的远近场混合源定位算法和基于稀疏重构的远近场混合源定位算法。本文在现有混合源定位算法仿真对比分析的基础上对其中两种算法进行了改进,并进一步考虑循环平稳信号情况,结合压缩感知研究了基于三阶循环矩和稀疏重构的混合源定位算法,最后根据实际项目工作,对基于压缩感知的DOA估计工程应用进行了研究。论文的主要工作可概括为如下几点:1.针对基于均匀对称线阵的远近场混合源定位模型,分析了其与传统远、近场定位问题的区别与联系,并对目前具有代表性的混合源定位算法进行了仿真对比分析。2.针对现有基于四阶累积量的Two-stage MUSIC定位算法中四阶累积量具有较高累积误差的缺陷进行了改进,提高了近场源距离参数估计性能并降低了算法复杂度。3.针对目前基于二阶统计量稀疏重构和MUSIC的混合源定位算法中近场源方位角估计方法仅利用部分有效数据而导致参数估计性能较低的缺陷进行改进,研究了基于协方差差分和稀疏重构的混合源定位算法,提高了近场源参数估计性能。4.针对实际中常见的循环平稳信号情况,研究了基于三阶循环矩和稀疏重构的远近场混合源定位算法,相比现有的特征子空间算法不依赖于信源数先验信息。5.根据主研的横向科研项目,对基于压缩感知的DOA估计工程应用进行研究,考察了利用压缩感知对阵列采样数据进行压缩重构后的DOA估计性能。