21世纪初,多输入多输出（MIMO）雷达作为一种新型雷达体制,凭借其远超传统雷达的性能,吸引了众多学者的关注。其中,目标测向问题是MIMO雷达的重要研究内容之一。目前,针对MIMO雷达目标测向已提出一系列方法,如多重信号分类（MUSIC）方法、借助旋转不变参数估计（ESPRIT）方法等。但是,传统方法受到子空间理论框架的限制,性能无法进一步提高。最近几年出现的稀疏信号表示理论为目标测向的研究提供了新的方向和思路,利用稀疏信号重构获得目标的到达角度能够减少测向误差,并解决传统方法在单快拍（SMV）和存在相干目标情况下测向精度和分辨力下降的问题。本文首先分析了经典的稀疏表示方法——基于l₁范数的奇异值分解（l₁-SVD）方法,并通过仿真与传统测向方法进行了比较。在此基础上,针对l₁-SVD方法需已知目标数等先验信息的缺点,进一步研究了基于l₁范数的协方差矩阵稀疏重构（l₁-SRACV）方法,它可以通过对目标协方差矩阵的处理提高目标测向精度,并在未知先验信息情况下实现目标测向。然而,该方法仍存在如下问题:（1）对多快拍情况下的稀疏矩阵进行重构处理时,存在复杂度高、耗时长、运算量大等缺点。（2）稀疏重构时需要对空间内的网格进行划分,在实际应用中真实点不一定落在网格点上,会存在基不匹配问题。针对上述问题,本文以协方差矩阵理论和稀疏重构方法为工具,对MIMO雷达目标测向方法进行了深入研究。由于均匀圆阵能够实现360度无模糊测向,本文重点研究了均匀圆阵下基于协方差矩阵稀疏表示的MIMO雷达目标测向方法,本文的创新性研究工作如下:针对传统稀疏表示方法在多快拍情况下运算量大的问题,本文提出了一种基于协方差矩阵稀疏表示的MIMO雷达低复杂度目标测向方法。首先通过SRACV方法得到阵列协方差矩阵稀疏表示的多测量矢量（MMV）模型,然后,采用矢量化处理将MMV模型转变为单测量矢量（SMV）模型,利用Khatri-Rao乘积矩阵的分解变换并通过凸优化工具箱寻找最优解来实现目标测向。该方法在保留原有信息量的基础上降低了运算的复杂度,仿真结果体现了该方法的优越性。针对传统稀疏表示方法存在基不匹配的问题,本文提出了一种基于协方差矩阵稀疏表示的MIMO雷达无网格目标测向方法,通过采用贝叶斯插值的方式来实现虚拟无网格。首先通过含有离格参数的导向矢量构建基于协方差矩阵的无网格模型。然后通过协方差信号、噪声以及离格参数来进行贝叶斯推断得到联合概率分布,最后,通过期望最大化方法对超参数进行迭代求解,实现目标测向。仿真结果表明,该方法既适用于单快拍又适用于多快拍,并且减小了传统稀疏表示方法因基不匹配性所导致的误差。