波离方向(Direction of Departure, DOD)和波达方向(Direction of Arrival, DOA)估计一直是双基地多输入多输出(Multi-input Multi-output, MIMO)雷达信号处理领域的一个重要研究内容。现有的双基地MIMO雷达DOD和DOA估计算法大多数不能避免DOD和DOA估计之间的误差干扰，例如，假设先估计DOA，然后利用DOA的估计值估计DOD，那么DOD的估计就会对DOA的估计误差非常敏感，即使DOA估计只出现较小的估计误差，DOD估计性能也会显著下降。另外，现有的DOD和DOA估计算法过于依赖协方差矩阵估计的精确性，在信噪比较低、快拍数较少等信号环境中，协方差矩阵估计精度的下降就会导致DOD和DOA估计性能严重降低，这样极大地限制了现有算法的实用性。本文针对现有算法的不足之处展开对双基地MIMO雷达DOD和DOA估计问题的研究。主要工作内容如下：　　首先，针对现有算法中DOD和DOA估计之间的误差干扰问题，提出一种基于目标角度分离的双基地MIMO雷达DOD和DOA估计算法。该算法通过对接收数据矩阵进行多次重排，实现了DOD和DOA分离估计。与现有算法相比，该算法有效避免了DOD和DOA估计之间的误差干扰，明显改善了DOD和DOA的估计性能，并且计算复杂度较低。另外，在相干信号源条件下，该算法也能精确地估计DOD和DOA。计算机仿真实例证明了该算法的有效性。　　其次，针对现有算法过于依赖协方差矩阵估计精度的问题，提出一种基于稀疏贝叶斯学习的双基地MIMO雷达DOD和DOA估计算法。该算法通过利用空域稀疏性分别对DOD和DOA的数据矩阵进行稀疏重构，实现了稀疏贝叶斯学习算法在双基地MIMO雷达DOD和DOA估计问题上的应用。该算法不需要估计协方差矩阵，不要求信号源相互独立，无须知道目标信号个数，并且角度估计精度高，鲁棒性好，在信噪比较低、快拍数较少环境下依然具有较好的估计性能。计算机仿真实例证明了该算法的有效性。