波达方向（Direction of Arrival,DOA）估计技术是阵列信号处理的重要组成部分,在国防和民生建设中发挥着不可替代的作用。近年压缩感知（Compressive Sensing,CS）理论因其能够降维原始的高维信号,并高概率重构信号的特点备受关注。1比特压缩感知是压缩感知在量化上的极限方式,在压缩感知模型的基础上只保留测量值的符号信息“±1”,降低了信息存储和信息传输所需的内存空间等资源,而且极大缓解了模拟数字转换器（Analog-to-Digital Converter,ADC）的量化和采样压力。此外,稀疏阵列也能有效降低功耗、减少资源浪费。与均匀线阵相比,稀疏阵列在阵列孔径、最大可估信源数、阵列自由度等方面都更有优势。而相较于传统阵列,极化敏感阵列利用了电磁波信号的极化信息,所以具有更强的抗干扰能力、更高的测向精度。因此本文利用稀疏极化敏感阵列的优势,研究基于1比特压缩感知的DOA估计方法。本文首先介绍传统的阵列信号模型,然后对稀疏阵列进行理论分析,主要讨论嵌套阵列和互质阵列的阵列结构,并通过MATLAB仿真它们的阵列方向图,直观的比较稀疏阵列与均匀线阵的性能。之后介绍经典的DOA估计算法:MUSIC算法和ESPRIT算法等,并对它们进行仿真分析。其次,介绍压缩感知和1比特压缩感知理论。然后分析它们的DOA估计模型,由于需要对连续的角度空间进行网格划分,所以该模型会产生网格效应,出现离格误差。接下来针对1比特量化只保留测量值“±1”信息的特性,分析保障重构精度的约束条件。最后分别仿真基于压缩感知和1比特压缩感知的DOA估计算法,分析它们的优缺点,验证了它们存在的网格效应会影响测向精度。最后,本文将极化敏感阵列与稀疏阵列相结合,提出了一种多快拍情形下基于稀疏极化敏感阵列的无网格1比特DOA估计算法,研究如何避免离格误差和如何保证1比特DOA估计的重构精度。该算法首先利用稀疏极化敏感阵列的联合稀疏性,建立1比特DOA估计模型。然后利用原子范数刻画信号特征,直接在连续域建模,无需划分网格,避免离格误差。并结合1比特量化的特性,推导出优化目标的函数形式,然后通过交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）求解该优化问题,以加快算法的收敛速度并保证信号重构精度。仿真结果验证了该算法的有效性,在一定条件下,该算法的DOA估计精度甚至超越了未进行1比特量化的空间平滑MUSIC算法。