非平稳信号是现实生活中普遍存在的信号形式，比如语音、雷达和声纳中的线性调频(LFM)信号，建立在平稳窄带假设基础上的传统阵列处理方法在分析处理这类信号时受到局限。目前应用广泛的时频分析方法，通过构建空间时频分布矩阵并与传统的阵列信号处理方法相结合，可以得到非平稳信号的波达方向(DOA)估计。但该类方法估计性能受时频点的选取及交叉项的影响，只有在信噪比较高的情况下才具有较好的估计性能。 信号的稀疏分解作为一种新兴的信号处理方法，具有许多优良特性。本文将信号稀疏分解引入到宽带阵列信号处理领域，围绕宽带LFM信源的阵列信号建模，提出一种基于匹配跟踪(MP)分解的宽带LFM信号的频率及DOA参数估计算法，主要工作和贡献有： 1．研究了LFM信号的时域、频域特征及典型的时频分析方法——Wigner-Ville分布(WVD)。讨论了基于时频子空间的宽带LFM信号DOA估计算法。介绍了传统的信号正交分解方法及自适应的信号稀疏分解方法——MP算法。 2．提出基于MP分解的宽带LFM信号频率和DOA参数的估计算法。算法根据阵列结构和信号形式自适应地建立过完备原子库，通过MP分解将阵列接收数据分解到最佳原子上，实现高精度的信号参数估计。计算机仿真实验说明，本文算法分辨率优于时频子空间方法，尤其在低信噪比、多信源情况下仍然有较高的估计精度。 3．分别提出了一种基于遗传算法(GA)的频率估计快速算法和基于角度分区的DOA估计快速算法，在一定程度上解决MP分解过程计算量大的问题。 4．研究了基于空间平滑的时频分析子空间算法(SSSTF)。提出基于MP分解的相干LFM信源DOA参数估计算法。该算法无需使用空间平滑技术，在低信噪比、多信源、欠采样情况下可以实现相干LFM信源的高精度DOA估计。计算机仿真实验说明本算法估计性能明显优于基于空间平滑的时频子空间算法。