MIMO (Multiple-Input Multiple-Out)雷达是近年来提出的一种新型雷达体制,它借鉴了通信领域的MIMO理论。MIMO雷达主要分为两类:统计型MIMO雷达和集中式MIMO雷达。由于两种MIMO雷达各有较好的性能,因而引起了许多相关学者的研究。该论文主要研究的是基于压缩感知理论和空间谱估计理论的集中式MIMO雷达测向方法,其中,集中式MIMO雷达包括单基地MIMO雷达和双基地MIMO雷达。现代信号处理基于Shannon采样理论,然而压缩感知理论的提出突破了 Nyquist频率,使采样频率可以在小于Nyquist频率的条件下仍然完美的重建信号。压缩感知首先要求信号在某一域内具有稀疏性,而目标在空域中天然具有稀疏性,这使压缩感知理论在测向估计中的应用成为可能。对于双基地MIMO雷达,针对于相干源以及不相关信源本文提出了一种CS-root MUSIC算法。该算法首先对数据奇异值分解保留信号子空间以降低噪声的影响,然后对保留的信号子空间矩阵变换使其只与目标的DOA (Direction of arrival)有关以降低冗余原子矩阵中冗余原子数目,再通过Capon谱构造权重矩阵以增加算法的估计精度,最后构造对应于目标DOA的冗余原子矩阵并通过压缩感知方法估计目标的DOA。对于目标的DOD,该算法根据目标的导向矢量正交于噪声子空间通过求根MUSIC算法估计目标的DOD (Direction of Departure),且算法不需要额外配对,并且具有较好的测向精度;对于单基地MIMO雷达,针对于相干源以及不相关信源提出了一种数据只有一列的基于压缩感知理论的DOA估计方法。该方法依据数据协方差矩阵特征分解的大特征值对应的特征矢量是目标导向矢量的线性组合,并且即使在最极端的情况下即目标完全相干时,最大特征值所对应的特征矢量依然是目标导向矢量的线性组合。因此该文对最大特征值对应的特征矢量利用压缩感知理论恢复目标导向矢量的线性组合系数来估计目标的DOA,由于单基地MIMO雷达的导向矢量具有冗余元素,因此首先对特征矢量降维,然后根据目标的导向矢量正交于噪声子空间构造权重矩阵以增加算法的估计精度。对比于奇异值分解的压缩感知方法,该方法数据的列数不会随着目标的数目发生变化,并且具有较高的精度。针对双基地 MIMO 雷达的 ESPRIT (Estimation of Signal Parameters via Rotational Invariance Techniques)算法低信噪比的情况下测向精度低的问题,该论文提出了一种广义ESPRIT算法以提高双基地MIMO雷达ESPRIT算法的性能。对于不相关信源,由于阵列流型张成的子空间与大特征值对应的导向矢量张成的子空间属于同一空间,因此该算法利用信号子空间重构阵列流型,并利用阵列流型的旋转不变性估计目标的DOD,然后利用交换矩阵改变信号子空间矩阵行的位置,并重构对应的阵列流型利用其旋转不变性估计目标的DOA,并且目标的DOD和DOA可以自动配对。接着又提出一种广义ESPRIT-root MUSIC算法,该算法通过利用广义ESPRIT算法估计目标的DOD,然后利用求根MUSIC算法估计目标的DOA。相对于ESPRIT-root MUSIC算法,该算法快拍少、信噪比低的情况下具有较好的性能。