本文针对多输入多输出(MIMO)雷达网络进行研究。MIMO雷达网络在广阔的空间里依靠多个发射站和接收站对目标进行检测与估计,可以有效提高系统对目标检测和估计的性能。本文研究分置天线非相干MIMO雷达网络目标位置与速度联合估计性能的问题,讨论了不同的非理想情况对MIMO雷达网络参数估计的性能造成的影响。为研究能评估雷达网络估计性能的新方法,本文主要基于复杂环境雷达网络信号模型推导了目标位置与速度联合估计的Ziv-Zakai界(ZZB),并分析了各种非理想情况下ZZB的优势。将此ZZB作为新的评估雷达网络估计性能的工具,可以克服Cramer-Rao界(CRB)无法在低SCNR中评估雷达网络性能的缺陷。同时,因为在工程实践中往往难以避免模型失配的情况,而关于模型失配下雷达性能的评估方法还有广阔的研究空间,故此本文进而关注模型失配问题,研究了失配时ZZB的推导和使用限制。此外,还推导了失配最大似然估计器的渐进均方误差(MSE),利用此失配渐进MSE来达到评估失配雷达网络估计性能的目的。全文针对雷达网络的性能评估方法,进行了如下工作:首先,本文介绍了参数估计的一般原理,分析了常规理想环境MIMO雷达网络信号的模型,并在此模型基础上介绍了经典的估计性能界——CRB。继而,本文针对分置天线非相干处理的MIMO雷达网络构建了复杂环境信号模型,该模型可描述非正交信号、非独立反射系数和非独立噪声等非理想情况,相比于常规的MIMO雷达信号模型,此模型可以应用在更加广泛的场景中。在此模型下考虑目标位置与速度的最大似然估计(MLE)。推导得出在此复杂环境MIMO雷达网络信号模型中目标位置与速度联合估计的ZZB的表达式。此外,还分析了发射信号正交性、反射系数独立性和噪声独立性对此复杂环境雷达网络估计性能的影响。随后,研究信号模型失配的问题,此时常规ZZB可能已经无法评估失配情况下的雷达估计性能,本文按照ZZB的思路,通过设置新的约束条件,探讨了失配估计器的MSE特性。此外还推导了失配情况下最大似然估计器的渐进MSE。最后,构建失配雷达网络的信号模型,研究其渐进估计性能,将推导出的渐进失配MSE作为评估失配雷达网络性能的工具。