多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达作为一种新体制雷达,能够运用空间分集和波形分集技术获得更大的系统自由度,从而有效提高目标探测能力和参数估计性能。MIMO雷达探测场景中目标分布的稀疏性为压缩感知(Compressed Sensing,CS)理论的应用提供了条件,基于压缩感知的MIMO雷达参数估计已成为雷达信号处理领域的研究热点之一。本文将压缩感知理论引入MIMO雷达系统架构,研究波形设计、阵列配置与压缩感知测量的关系,提出基于发射波形、阵列构型等效构造测量矩阵的思路,并通过波形设计、阵列配置实现对测量矩阵的优化,提升CS-MIMO雷达参数估计性能。本文的主要工作如下:研究了CS-MIMO雷达信号模型,阐述了压缩感知基础理论和CS-MIMO雷达参数估计原理;并对重构性能影响因素进行分析,讨论测量矩阵的构造及优化方法,提出基于发射波形、阵列构型实现测量矩阵等效构造的思路。利用混沌序列设计MIMO雷达发射信号,将混沌伪随机发射信号作为测量算子,CS-MIMO雷达中测量矩阵的优化设计问题便等效为波形优化问题,有效降低系统模型的复杂度。为优化频谱形状、抑制干扰噪声,同时保证期望波形的随机性、正交性,提出一种认知MIMO雷达波形优化设计算法。仿真实验表明等效模型以及优化算法的有效性,可明显提高目标参数估计的准确度和精度。研究基于稀疏随机线阵的CS-MIMO雷达信号模型,利用阵元位置的随机性实现压缩观测,并证明所构造的感知矩阵满足非均匀重构条件。为降低等效感知矩阵的列间相关性,提升算法的稀疏度上限和重构性能,基于模拟退火算法对阵列进行优化,实现测量矩阵的优化。仿真实验表明优化阵列可提高目标DOA重构概率和估计精度。将一维稀疏随机线阵扩展至二维L阵形式,研究基于稀疏随机L阵的CS-MIMO雷达信号模型,证明阵列导引矢量矩阵可等效为测量矩阵并满足非均匀重构条件。研究基于粒子群算法的L阵优化方法,对等效测量矩阵进行优化,进一步降低感知矩阵列间相关性。仿真实验表明该方法可有效提高CS-MIMO雷达二维角度估计性能。