由于阵列元器件的长时间使用老化以及受恶劣自然环境的影响,MIMO雷达的收发阵列均会不可避免的出现阵元失效。为了追求更高分辨率以及更多的目标分辨数,阵列规模再不断的扩大,系统复杂度随之提高,这大大增加了阵元失效的概率。MIMO雷达的失效阵元会导致匹配滤波后的虚拟阵列输出数据中出现整行缺失数据,破坏了其原有的完整数据结构,从而使得传统算法在阵元失效下的DOA估计性能下降甚至失效。本文围绕阵元失效下MIMO雷达DOA估计方法开展了研究,其主要工作归纳如下:（1）探讨阵元失效对传统DOA估计算法的影响,首先建立了阵元失效下的MIMO雷达信号模型,然后分析了MIMO雷达输出数据矩阵和协方差矩阵在阵元失效时的数据结构,最后选取子空间类和稀疏类中具有代表性的DOA估计算法,测试其在阵元正常和阵元失效时的DOA估计性能,表明阵元失效对传统DOA估计算法性能的影响,并以此来验证研究阵元失效下MIMO雷达DOA估计方法的必要性。（2）针对不同阵元失效场景下的MIMO雷达DOA估计问题,提出一种基于虚拟阵列采样数据矩阵重构的MIMO雷达DOA估计方法。MIMO雷达的阵元失效分为冗余虚拟阵元失效和非冗余虚拟阵元失效两种情况。当冗余虚拟阵元失效时,通过合并空间上位置相同的正常冗余虚拟阵元输出数据以实现信号降维与失效阵元数据填充。当非冗余虚拟阵元失效时,经降维填充后的数据矩阵中仍存在整行缺失数据,根据降维数据矩阵的低秩和稀疏先验,建立带低秩和稀疏约束的矩阵填充模型,并利用增广拉格朗日交替方向乘子法（Augmented Lagrange Method-Alternating Direction Method of Multipliers,ALM-ADMM）算法求解来恢复完整的降维数据矩阵,最后利用root-MUSIC算法对目标DOA进行估计。仿真结果表明,该方法能够有效提高MIMO雷达在阵元失效时的DOA估计精度。（3）基于稀疏重构的DOA估计算法中的过完备字典往往是在阵列无故障等理想条件下构建的。当阵元失效时,由于采样数据矩阵中存在大批整行数据缺失,因此将该数据矩阵在过完备字典下进行稀疏表示时会存在模型失配的问题,导致基于稀疏重构的DOA估计算法性能显著下降。针对此问题,本文将数据矩阵中整行缺失数据恢复与稀疏重构相结合,提出一种基于重加权l2,1范数的阵元失效MIMO雷达鲁棒DOA估计方法。该方法首先利用SVD分解技术进行信号降维以降低对噪声的敏感性,然后基于重加权l2,1范数惩罚建立基于稀疏重构的DOA估计模型,并对l2,1范数进行加权以进一步促进解的稀疏性,接着利用IALM算法在ADMM框架下求解该模型,在获得完整阵列数据矩阵的同时迭代地获得稀疏解,最后根据稀疏矩阵的非零行的位置确定目标的DOA。该方法能够在恢复缺失数据的同时实现目标DOA估计,且当虚拟阵列中存在大量失效虚拟阵元时仍能正常工作,因此对失效阵元数具有较好的稳健性。