波达方向（Direction Of Arrival,DOA）估计是阵列信号处理中的一项重要研究内容。实际应用中一般会选用相邻阵元间距相同的均匀线性阵列（Uniform Linear Array,ULA）。当天线数量受限时,采用ULA可能无法得到预期的阵列孔径和分辨率,稀疏阵列由此受到关注。相比于ULA,对于给定的最大可用天线数量,稀疏阵列可以带来更大的孔径和更高的空间估计分辨率。同理,在时域使用稀疏采样也可以提高频率估计的分辨率。本文考虑在物理资源受限的情况下,围绕DOA和多普勒频率的联合估计问题对空域稀疏阵列和时域稀疏采样进行优化设计。主要贡献和创新总结如下:首先,本文提出了基于等时域参数的空时嵌套采样结构,在空域使用嵌套阵列,在时域使用嵌套采样,并且限制所有阵元处选择相同的时域嵌套参数。该采样结构在空域和时域分别产生了更大的虚拟孔径,自由度提升,估计分辨率变大。基于该虚拟孔径给出等效的接收信号模型,由于该等效模型中原始信源的功率取代了数据序列,而该功率假定是恒定值,因此问题变成基于相干信源的DOA和频率的联合估计。考虑应用空间平滑技术构建协方差矩阵,然后使用MUSIC算法实现联合估计。另外,在最大可用空间物理天线数和时间域采样点数受限的情况下,比较了该结构与基于等时域参数的空时互质采样结构和基于等时域参数的空时均匀采样结构的自由度以及最大可估计信源数量。其次,局限于实际工程应用中的天线耦合影响,嵌套阵列的第一级子阵不存在稀疏结构,耦合影响相对较大,所以本文以空域使用互质阵列作为前提,在时域使用互质采样。与此同时,考虑到前文提到的采样结构均是基于等时域参数,本文进一步提出允许不同阵元处选择不同的时域参数,将本文提出的这种空时采样方式记为基于不同时域参数的空时互质采样（Spatial-Temporal Coprime sampling with Different temporal parameters,STCD）。在最大可用空间物理天线数和时间域采样点数受限的情况下,以自由度作为代价函数优化得到空时域稀疏参数。另外,考虑到DOA和频率均可作为离散化的参数,并且考虑到空间平滑会损失掉一半的虚拟孔径,故使用压缩感知算法建立联合估计问题。最后,与基于等时域参数的空时互质采样结构进行比较,从自由度、分辨率以及整体性能等方面说明了STCD采样结构的优势。