日益复杂的战场环境对雷达技术提出了更高的要求,为了满足雷达在抗隐身和抗干扰等方面的需求,多输入多输出(Multiple Input Multiple Output,MIMO)雷达应运而生。这种新体制雷达利用了通信领域中的MIMO技术,相比于相控阵雷达,MIMO雷达探测目标的精度更高,因而在参数估计方面更具优势。为了对目标能够精确定位,测向则是MIMO雷达获取目标位置信息的重要环节。由于高斯噪声下经典的MIMO雷达测向理论在非高斯噪声下将迅速恶化,将无法进行测向,因此,冲击噪声下MIMO雷达的高精度鲁棒测向问题依旧没有解决。现有的MIMO雷达测向算法大多属于子空间类算法,这类算法只有在高信噪比和大快拍采样数的情况下才能够获得较好测向性能,而且处理相干信源时还需要额外的解相干处理。另外,考虑到冲击噪声环境下MIMO雷达测向的空间谱函数更为复杂,常常是多维非线性的多峰函数,则空间谱的谱峰搜索问题也将是一项挑战。由于智能计算相比于传统的优化方法更容易避免陷入局部最优,而且具备无需公式推导的黑盒处理方式,则利用智能计算对MIMO雷达的空间谱进行估计将是一种有效的测向方法。智能计算能够在保证收敛的前提下,极大地降低计算量,相比于网格式的谱峰搜索,更能保证MIMO雷达实时测向的要求,将为MIMO雷达测向的研究提供一种新的思路。本文针对基于智能计算的MIMO雷达测向问题展开了深入研究,以双基地MIMO雷达为例,根据多种亟需解决的测向问题,设计了多种目标函数,解决冲击噪声、低快拍数、低信噪比等恶劣条件下关于估计精度、估计成功概率、信源相关性、运算复杂度以及实时性等难题,并根据各个目标函数的特征,通过对多种智能计算算法的详细分析,提出了多种新的智能计算算法对目标函数进行最值或极值优化,从而解决相应的测向难题。本文的主要内容可归纳如下:1.为了提高传统低阶矩抑制冲击噪声的能力,提出了分数低阶协方差矩阵,能够更有效地抑制冲击噪声,并考虑到最大似然算法在小快拍数和低信噪比的情况下测向性能良好,提出了基于分数低阶协方差的最大似然算法,并设计了量子猫群算法对其目标函数进行求解。该方法能够在冲击噪声下以较小的快拍数估计信源的波离角与波达角,具备较高的估计精度和估计成功概率,且不需要额外的解相干处理即可估计相干信源。2.为了避免低阶矩阶数的选取并提高抑制冲击噪声的能力,可以利用无穷范数归一化的方法来抑制冲击噪声,并考虑到加权信号子空间拟合算法能够获得更高的估计精度,提出了基于无穷范数归一化的加权信号子空间拟合算法,并设计了量子灰狼算法对其目标函数进行求解。不论是独立信源还是相干信源,该方法都能够有效地估计出信源的波离角与波达角,并能够在冲击噪声下以较小的快拍数获得更高的估计精度和估计成功概率。3.为了避免在冲击噪声下求解信号子空间和噪声子空间时进行特征分解或奇异值分解,从而降低计算复杂度,提出了基于无穷范数归一化的传播算子算法,并设计了量子布谷鸟搜索算法来解决二维多峰搜索问题。该方法在冲击噪声下能够准确地估计出信源的波离角与波达角,避免了网格式谱峰搜索计算量巨大以及量化误差的问题,可以满足实时测向的要求,且容易拓展到多维的情况。4.为了便于分析双基地MIMO雷达测向方法的测向性能,推导了冲击噪声下双基地MIMO雷达参数估计的Cramér-Rao界,可以作为高斯噪声下Cramér-Rao界的一种推广形式,为评价双基地MIMO雷达的测向方法提供了参考和依据。