多输入多输出(Multiple-Input Multip le-Output)雷达，其利用多个天线同时发射正交信号，并用多个天线同时接收目标回波。相比于传统雷达，它能灵活地运用空间分集技术，获得更大的空间自由度，因此可以提高目标识别能力和参数估计分辨率。MIMO雷达可分为两大类：第一类被称为分布式MIMO雷达，其特点是收发阵列的阵元间距足够大，保证目标回波在空间衰落不同，克服了传统雷达系统中目标雷达散射截面(Radar Cross-Section,RCS)闪烁带来的影响，从而获得空间分集增益，提高闪烁目标的检测性能。第二类称为集中式MIMO雷达，其特点是阵元间距小，发射端发射正交波形，接收端采用匹配滤波器分离出各个发射通道的信号，形成大的虚拟孔径，通过波形分集和多通道相干处理，从而增加系统的自由度，因此有更好的参数可分辨性。作为MIMO雷达研究中极其重要的一项，MIMO雷达中的多参数联合估计受到诸多学者和研究机构的关注。本文将系统研究集中式MIMO雷达中的多参数估计问题，主要研究工作如下：　　1)研究了MIMO雷达中的目标角度估计问题。提出了单基地均匀面阵(Uniform Rectangular Array,URA)MIMO雷达中基于酉(Unitary)降维(Reduced Dimension,RD)-借助旋转不变技术的参数估计(Estimating Signal P arameters via Rotational Invariance Techniques,ESP RIT)的二维接收角(Direction Of Arrival,DOA)联合估计算法，该算法结合Unitary变换和降维变换，拥有低复杂度，却拥有比传统算法更好的角度估计性能。提出了双基地MIMO雷达中基于改进三线性分解的联合发射角(Direction Of Departure,DOD)和DOA估计方法，该方法对传统三线性分解方法进行改进，在估计性能和可识别目标数上均获得提升。最后还创新性地将四元数理论应用到双基地MIMO雷达的角度估计中，基于四元数模型提出了四元数谱峰搜索、四元数求根(Root)-多重信号分类(MUltiple SIgnal Classification,MUSIC)以及四元数ESPRIT三种估计方法，为四元数理论与MIMO雷达参数估计的结合作出了贡献。　　2)将角度估计问题扩展，为获得更多目标信息，研究了MIMO雷达中的角度和多普勒频率联合估计问题。首先提出了一种基于稀疏表示的估计方法，该算法拥有高分辨率、少脉冲数和解相干目标的能力，能获得自动配对的DOD、DOA以及多普勒频率估计，算法估计性能也优于ESPRIT-based方法以及平行因子方法。之后提出了一种基于四线性分解的算法，需要在接收端加入延迟器，从而构造符合四线性模型的数据，之后利用四线性分解的方法获得角度和多普勒频率的联合估计。该算法可实现角度和频率的自动配对，无需知道反射系数，算法的角度估计性能优于多维ESPRIT方法和三线性分解方法。　　3)针对实际情况下可能出现的阵列幅相误差会影响MIMO雷达中阵列流形，导致传统算法性能下降甚至失效，提出了两种基于辅助阵元的联合角度和幅相误差估计的有效算法：基于RD-MUSIC和基于三线性分解的方法，均能获得自动配对的角度估计，相比于ESP RIT-like算法，二者的角度和幅相误差估计性能都大大提升。另外还提出了无需辅助校正阵元的、基于非线性阵列的角度估计算法以及联合角度和多普勒频率估计算法，巧妙地利用方向矩阵间的点除来消除幅相误差的影响，能获得自动配对的参数估计，相比MUSIC-like算法，角度和幅相误差估计性能均得到提升，且复杂度大大降低。　　4)最后研究了实际中可能出现的另一种干扰-阵元互耦下的参数估计。提出了单基地MIMO雷达中未知互耦下基于Root-MUSIC的角度估计算法，通过选取部分输出来消除互耦影响，并通过降维变换和求根方法来降低复杂度，相比现有算法，复杂度降低且性能得到提升。进一步地，针对双基地MIMO雷达，提出一种未知互耦情况下基于稀疏表示的估计方法。算法创新性地对多普勒频率进行稀疏表示，既获得了稀疏表示方法的高分辨率，又避免了空域中未知互耦和二维角度带来的不良影响。该算法复杂度低，获得的DOD、DOA以及多普勒频率估计均是自动配对，其角度估计性能优于基于ESPRIT的方法以及传统基于稀疏表示的方法。