角度估计是目标探测中的关键环节,实现高精度的角度估计有助于后续对目标进行定位和跟踪。MIMO雷达具有空间、频率和波形分集特性,还可以利用发射波形的正交性实现虚拟孔径的扩展,从而提高角度估计的精度。然而,由于实际电磁环境的复杂性,MIMO雷达进行目标角度估计时面临着多径相干信号和高斯色噪声等干扰,而且经典角度估计算法的计算复杂度高、实时性差。上述问题制约了MIMO雷达的DOA估计算法的实际应用。为此,本文针对这三个问题展开深入研究,主要的创新性工作包括:针对多径环境下相干信源造成的测向算法失效问题,分析研究了基于空间平滑稀疏重构的MIMO雷达角度估计方法。首先对多径效应进行建模分析,构建多径环境下MIMO雷达接收信号模型,然后通过接收端匹配滤波实现虚拟孔径扩展,并利用输出信号构造虚拟前后向空间平滑矩阵,从而将协方差矩阵恢复为满秩。随后将协方差矩阵矢量化和稀疏表示,利用信源空域稀疏性,将角度估计问题转化为稀疏信号的恢复问题,通过凸优化工具包求解得到目标角度,最后通过仿真验证了算法的有效性。针对高斯色噪声导致的经典测向算法性能下降问题,提出了基于信号子空间正交投影变换的校正角度估计算法。首先分析高斯色噪声下空间差分算法和高阶累积量算法的局限性,随后基于信号子空间构造正交投影算子,估计出噪声协方差矩阵并予以剔除,从而消除高斯色噪声的影响,利用校正后的信号协方差矩阵再进行一次DOA估计,实现高斯色噪声下的精确测向。与基于导向矢量构造正交投影算法相比,该算法在保证测角精度不变的前提下减少了一次DOA估计,因而计算复杂度更低,算法的实时性更好。最后通过仿真证明了算法的有效性。针对基于MIMO雷达的MUSIC算法复杂度高、实时性差的问题,研究了MIMO雷达降复杂度角度估计算法。首先构建单基地MIMO雷达信号模型,通过降维变换消除MIMO雷达匹配滤波后产生的重复虚拟阵元,随后利用波束空间处理进一步降低计算复杂度。针对MIMO雷达DOD和DOA联合估计时二维MUSIC算法需要二维谱峰搜索、计算复杂度高,且在低信噪比条件下估计精度差的问题,将时间反转技术应用于MIMO雷达,利用其聚焦特性实现接收信号能量的倍增。结合TR MIMO雷达接收信号特点,利用实值方法将复数域的运算转化为实数域运算,降低了算法复杂度。随后进行DOD估计并代入二维空间谱函数中,估计出DOA,从而将二维谱峰搜索转化为两个一维谱峰搜索,且实现了DOD与DOA自动匹配。