传统的雷达角度估计都是在高斯噪声背景下基于奈奎斯特采样定理的信号处理。为了抑制噪声的影响,通常采用累积量的方法对信号进行处理。虽然基于累积量方法的MIMO雷达DOD-DOA联合估计可以实现较好的参数估计性能,但它却存在着算法复杂、计算量大、实时性差等问题。基于此,一些学者将压缩感知技术应用于MIMO雷达的角度估计中,该算法突破了奈奎斯特信号采样的限制,并在一定程度上减少计算量。由于双基地MIMO雷达对实时性要求较高,经典的压缩感知方法需要进一步优化,减小计算量和简化硬件空间资源占用。本文针对以上问题对压缩感知技术进行了一定的改进并应用于MIMO雷达目标角度估计。首先,介绍了一种在平滑函数上进行改进的重构算法,在此基础上采用一种具有阈值的平滑l₀范数重构算法,该方法通过在迭代过程中设置一个阈值,与每次迭代过程中步长的相对变化进行比较来判断迭代效率,跳过无意义的迭代,从而加速算法,提升算法的性能。其次,虽然现有最常用的测量矩阵都满足RIP条件,也都能够较好的恢复信号,但实际应用中仍存在计算量大,硬件要求高等问题。针对该问题采用了一种基于Toeplitz块稀疏循环矩阵的重构算法,该矩阵具有较高恢复精度、较低存储容量,且对硬件友好。仿真实验表明,在高斯噪声背景下,本文所采用的具有阈值的平滑l₀范数重构算法能够加快信号的处理速度,算法收敛快;采用Toeplitz块稀疏循环矩阵的重构算法能够很大程度减少计算量,减轻硬件负担。两种方法对信号均有较高的恢复精度。