多输入多输出（MIMO）雷达自问世以来已受到众多研究学者的关注，它弥补了传统体制雷达的不足，可以在天线阵列的收发端充分利用分集或相干处理，获得良好的检测和估计增益。在双基地MIMO雷达中，目标定位问题已得到广泛的研究，其实现方法是通过出发角（DOD）和到达角（DOA）的联合估计、利用三角关系进行定位。由于MIMO雷达能够形成较大虚拟阵列孔径，使DOD和DOA估计的分辨力得到成倍的提高。然而，现有的MIMO雷达通常假设目标的回波信号模型为平稳信号，在实际情况下，雷达回波信号的多普勒频率会随时间快速或慢速地变化，属于非平稳信号。时频分析是实现非平稳信号处理的主要技术手段，它与阵列信号处理技术有效地结合，能够充分利用时延和频偏两个参数来描述信号之间的变化关系，更加准确地反映出非平稳信号的时变本质，使得对非平稳信号的分析精确到特定时间的特定频率上，利用时频聚集特性，可显著提高空间阵列信号处理的性能。本文基于时频分析工具，对双基地MIMO的目标定位方法进行了较深入的研究，所取得的创新性工作如下：以线性调频（LFM）信号作为目标非平稳信号，建立了双基地MIMO雷达信号模型，提出一种基于模糊函数（AF）的ESPRIT-RootMUSIC算法(简称AF-ERM算法)，通过构造空间时频分布（STFD）矩阵，并分别采用ESPRIT和RootMUSIC算法对DOD与DOA进行联合估计。该算法无需谱峰搜索，且DOD与DOA自动匹配。仿真实验验证了该算法的有效性。与基于伪Wigner-Ville分布（PWVD）的算法相比，本文所提出的算法在信号自项的提取和噪声的去除方面有更明显的优势，在快拍数较小的条件下，其估计精度优于基于PWVD的算法。已有的参数估计算法大多数是对接收数据直接在复数域进行处理，大大增加了计算量，本文提出一种基于模糊函数的酉ESPRIT算法（简称AF-UESPRIT算法），该算法首先对接收数据进行重构，以增加数据信息，然后通过构造变换矩阵，将复数域原始阵列的数据转换成实数域数据，从而降低了算法的计算量，且DOD与DOA参数能够自动配对，该算法的有效性在仿真中得到验证。当空间存在相近的多目标时，传统方法的估计性能会有所降低。为了实现空间多目标的精确定位，本文将时频分析方法引入到极化MIMO雷达中，建立了极化MIMO雷达非平稳信号模型，提出一种基于模糊函数的极化MIMO雷达目标定位算法，将酉ESPRIT算法与目标的极化参数相结合，利用极化分集改善了DOD与DOA估计的分辨力。仿真实验验证了该算法的有效性，尤其是，该算法能够对有相近DOD/DOA参数的多目标加以区分，实现了高分辨的定位。