多输入多输出(Multiple-InputMultiple-Output,MIMO)雷达作为一种新体制雷达,与传统相控阵雷达相比,具有高分辨率、低截获率和多自由度等优点,近数年来,受到了国内外学者们的广泛关注。角度估计作为阵列信号处理中一个最为重要的内容,不仅能实现目标空间定位,还在雷达、声纳、通信等领域具有广泛的应用。压缩感知(Compressive Sensing, CS)理论的不断发展,已经成为雷达界的一个研究热点,国内外学者们开始用稀疏重构的方法去解决传统子空间方法中存在的问题,期望能够实现更精准的目标定位。本文主要从降低算法的计算复杂度和提高目标角度估计的精度两个方面出发,对基于稀疏表示框架的单基地MMO雷达角度估计方法进行研究,本文的主要内容如下:首先,研究了压缩感知理论的基本原理和基本框架,分析了时空域下和变换域下的稀疏信号以及稀疏重构的条件;基于稀疏表示框架,介绍了基于压缩感知理论的角度估计模型;研究了目前MIMO雷达中基于空间谱搜索的角度估计方法和基于旋转不变子空间的角度估计方法的基本原理,其中基于空间谱搜索的角度估计方法包括降维Capon算法,基于旋转不变子空间的角度估计方法包括降维ESPRIT算法和共轭ESPRIT算法,然后对这几种传统的角度估计方法进行仿真分析,比较总结了各自的角度估计优劣性能。其次,考虑利用非圆信号源特性增加角度估计算法的可分辨信号数和提高角度估计的精度。分析了非圆信号的定义和数学模型,建立单基地MIMO雷达的非圆信号模型,研究了非圆信号背景下基于稀疏正交匹配追踪的角度估计方法。由于利用了信号的非圆结构特性,增加了MIMO雷达的虚拟阵列孔径,因此提高了该算法的角度估计性能。最后,研究将加权矩阵和稀疏表示的思想应用到单基地MIMO雷达中。建立单基地MIMO雷达信号的稀疏表示模型,提出了一种基于加权稀疏表示的角度估计算法,该算法能够有效地加强稀疏解,但是,由于该算法中构造权值矩阵的特殊性,无法预先对接收数据进行降维处理,使得该方法的计算复杂度比较大。另一方面,针对该问题,提出一种基于数据重构实值加权稀疏表示的单基地MIMO雷达角度估计方法。建立基于数据重构的MIMO雷达信号模型,通过利用酉变换扩展后虚拟阵列的中心对称性,对数据重构后的接收数据进行实值化处理,推导基于稀疏表示框架的角度估计算法,该算法能够使得l1范数更好的逼近l0范数,因此有效地改善了该算法的目标角度估计性能。