通信技术和雷达技术发展之迅速，融合之快，使其从军用扩展到商用，再到如今的民用车载雷达通信一体化。该系统巧妙地应用于车联网中，利用一体化信号，综合所估计的参数信息，如波达方向角、距离、速度，进而定位车辆的位置。为此，车联网中波达方向角的准确估计显得至关重要。
　　车辆的快速移动，周遭环境的复杂多变，使得传统算法性能下降，鉴于压缩感知重构算法多方面的潜在优势，论文针对DOA估计的空域稀疏划分和均匀圆阵与L型阵列下重构算法存在的问题，提出相应的解决方案。研究内容概括如下：
　　(1)目前对稀疏化模型的建立都只简单地采用等角度或者等正弦稀疏化方式，然而在法线和端射方向上，两者的正交性不相同，估计结果也就不一样。因而，论文基于均匀线阵模型，提出了一种稀疏融合的划分模型。并结合OMP算法进行验证对比，该模型在信噪比较低时优势不够明显，但在信噪比较高时优势显著。
　　(2)在均匀圆型阵列估计中，其阵列流型矩阵不符合范德蒙矩阵结构导致无法直接进行估计，由此考虑引入模式空间转换法使之符合结构要求。此外，鉴于均匀圆阵下压缩感知类算法少有研究，论文提出了一种UCA-OMP估计新方法。该算法将转换后的稀疏模型进行SVD处理，利用OMP算法对方位角进行稀疏求解，最后根据求得的方位角估计值反推得到俯仰角估计值，以实现准确的信号重建。
　　(3)在L型阵列估计中，直接构造二维字典矩阵，计算复杂度太高；幅度相近时，角度匹配也易出错，以至于无法直接应用。针对此，论文提出了一种L型阵列下二维估计新方法。该方法采用奇异值分解法进行降维，并利用空间合成角构造冗余字典，二次减少计算量。再借助子空间投影法实现角度匹配，以降低配对出错率，得到正确二维值。
　　仿真实验表明，利用第三章提出的稀疏融合划分方法所构造的阵列流型矩阵作为算法的基础，其估计出来的性能相较于等角等弦更优；第四章提出的均匀圆阵下的估计方法无须谱峰搜索，计算量较小，二维相干信号和非相干信号的角度估计结果也与真实值更为接近；第五章提出的L型阵列下的估计方法不仅可解决构造二维字典矩阵计算量巨大的问题，还避免了二维谱峰搜索，也有效的保证了角度配对的性能。