MIMO雷达因其波形分集和空间分集特性,在目标检测和参数估计等方面具有分辨率高和抗干扰能力强等优势。针对大带宽信号,MIMO雷达采用奈奎斯特采样得到的海量数据对信号存储传输和处理造成了巨大压力。利用压缩感知理论可以解决MIMO雷达海量数据与稀疏目标信息之间的不平衡。现有的基于压缩感知的MIMO雷达信号处理方法大多存在着压缩采样的压缩率不高、信号重构导致的目标检测和参数估计精度低和实时性差等问题。因此,本文针对上述问题进行了研究,主要工作如下:1、针对现有压缩采样方法压缩率不高的问题,提出了一种基于随机等效的距离-多普勒维压缩采样方法。本文在基于顺序等效的距离维压缩采样的基础上,将信号采样从距离维拓展到距离-多普勒维,并针对窗函数工作在奈奎斯特率上的问题,结合随机等效理论,提出了一种基于随机等效的距离-多普勒维压缩采样方法,推导了满足信号重构的测量矩阵,证明了该方法不仅结构简单、压缩率高,且信号重构性能较好。2、针对信号重构精度较低且实时性差问题,提出了基于随机等效压缩采样的MIMO雷达参数估计方法。本文首先对MIMO雷达信号进行随机等效压缩采样得到三维压缩量测矩阵;针对波达角估计,推导了压缩后的压缩量测仍保留了相位差信息的结论,提出了一种基于压缩量测的波达角估计方法;针对距离和速度估计,以实际量测与估计量测的相关系数为判决,提出了一种基于压缩量测的距离和速度估计方法;针对目标参数配对问题,结合波束形成理论,提出了一种目标参数联合估计方法。3、针对目标检测耗时较长和杂波干扰问题,提出了基于随机等效压缩采样的跟踪置前压缩检测方法。本文在压缩域目标检测器的基础上,利用前一时刻的目标跟踪结果,提出了一种基于随机等效压缩采样的跟踪置前压缩检测器;针对低信噪比和多杂波时目标检测性能下降的问题,用检测器来获取量测数据,提出了基于无迹卡尔曼的单目标跟踪置前压缩检测方法和基于概率假设密度的多目标跟踪置前压缩检测方法。