频控阵（Frequency Diverse Array,FDA）雷达是一种新型雷达,通过在发射天线之间采用线性递增的载波频率,形成与角度-距离相关的二维发射波束。相较于传统的相控阵雷达,频控阵雷达在发射端引入了距离维自由度,因此频控阵雷达在目标参数估计领域中具有潜在的应用价值。将频控阵雷达与多输入多输出（Multiple Input Multiple Output,MIMO）技术相结合形成的频控阵MIMO雷达,不仅具有频控阵雷达的距离依赖性波束还具有MIMO雷达高自由度,高空间分辨率这一特性。目前,频控阵MIMO雷达目标参数估计算法以子空间类参数估计方法为主体,但该类方法在低信噪比、小快拍等非理想场景下难以实现目标参数的精确估计。近年来,基于稀疏恢复理论的参数估计方法为解决上述问题提供了一个全新的视角。与子空间类方法不同,稀疏恢复类方法主要通过构建稀疏信号模型和重构空间谱来进行目标参数估计。并且对于低信噪比、小快拍等非理想场景有着极强的适应能力。本文以稀疏恢复理论为基础,对单基地频控阵MIMO雷达的波达方向（Direction of Arrival,DOA）和距离参数估计展开研究。首先,介绍了频控阵雷达的天线结构及波束方向图。接着将频控阵雷达和相控阵雷达的发射波束方向图进行了比较,并分析了各自发射波束的特性。同时详细分析频控阵雷达波束方向图与角度-距离相关的依赖性。然后系统地介绍了稀疏恢复理论的相关基础知识,推导了两种经典的子空间类单基地频控阵MIMO雷达目标参数估计算法。通过仿真实验,验证了这两种经典子空间类算法的有效性其次,针对单基地频控阵MIMO雷达目标参数估计算法存在精度低、算法适用场景受限的问题,提出了一种基于稀疏恢复的双脉冲频控阵MIMO雷达目标参数估计算法。首先,通过发送频率增量为零的脉冲,利用迭代网格细化（Iterative Grid Refinement,IGR）的1l-SVD方法来对目标的DOA进行估计。其次,在得到目标的DOA估计之后,通过发送频率增量非零的脉冲,利用IGR迭代的1l-SVD方法得到成对的距离估计。实验结果证明,所提算法具有更好的参数估计性能。最后,针对离格情况下的DOA和距离参数估计,提出了一种有效的离网稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）方法,该方法能够有效实现DOA和距离估计。首先,通过重构接收数据来分割角度相关的分量,然后利用求根SBL算法进行DOA粗估计,接着通过求根SBL算法得到成对的距离粗估计。进一步利用粗估计的DOA和距离来构造离散网格,提出了一种2D-SBL模型来对粗估计的DOA和距离进行优化。并利用期望最大化算法来不断更新预先划分的网格点,进一步消除离格模型引起的误差。最后,通过实验分析来说明了本算法具有优越的参数估计性能。