1.一种基于L1/2范数的稀疏线性阵列优化方法，其特征在于：包括确定初始化阵列和加权矩阵、确定阵列加权向量、判断阵列加权向量中首尾阵元的激励是否大于设定的激励最小值δ、判断优化前后阵列加权向量之差的L1范数是否小于设定的误差最小值ξ以及确定稀疏线性阵列的阵元位置和激励的基本步骤，其中：步骤1，确定初始化阵列和加权矩阵：根据给定的阵列孔径条件，设置一个阵元均匀排布密集的初始分布线性阵列，其阵元间距在0.01-0.1λ范围内选取,其中λ为阵列发射信号波长，由初始分布阵列和观测角度等间距划分的观测区间数L共同确定阵列的流形矩(0)阵A；根据初始化阵列的阵元数N确定初始化L1范数加权矩阵Q ＝IN，其中IN为N阶单位矩阵；

步骤2，确定阵列加权向量：在主瓣幅度归一化以及峰值旁瓣电平不大于给定值ε的条件约束下，考虑基于L1/2范数最小化的阵列优化问题：s.t. a(θ0)·W＝1

||aSL·W||∞≤ε，

式中，w表示阵列的加权向量；a(θ0)表示目标方向对应的阵列导向矢量；aSL表示旁瓣区域对应的阵列流形矩阵；ε表示阵列系统在旁瓣区域内所限定的最高旁瓣电平；由于L1/2范数最小化求解是一个非凸优化问题，而将基于L1/2范数最小化的稀疏线性阵列优化问题转换成一系列迭代重加权的L1范数最小化的阵列优化问题，从而求解该非凸优化问题，即：s.t. a(θ0)·W＝1

||aSL·W||∞≤ε，

(i) (i) (i)

式 中，Q ＝ diag(q ) 为 加 权 对 角 矩 阵；diag(q )表 示 表 示 由 矢 量构成的对角矩阵；

步骤3，判断阵列加权向量中首尾阵元的激励是否大于设定的激励最小值δ：若阵列加权向量两端阵元的激励小于设定的激励最小值δ，则通过下式调整首尾阵元的激励约束：其他阵元激励的约束通过下式进行调整：

(i+1) (i+1)

调整后新的L1范数加权矩阵为Q ＝diag(q )，返回步骤2；若两端阵元的激励大于δ，则直接进入下一步；

步骤4，判断优化前后阵列加权向量之差的L1范数是否小于设定的误差最小值ξ：若优化前后阵列加权向量之差的L1范数大于误差最小值ξ，则通过下式产生新的阵列加权矩阵：返回步骤2；若优化前后阵列加权向量之差的1-范数是小于ξ，则迭代优化终止；

步骤5，确定稀疏线性阵列的阵元位置和激励：根据步骤4得到的阵列加权向量，将其中阵元激励大于δ的元素所在的位置确定为稀疏线性阵列的阵元位置，该元素的激励值确定为对应稀疏线性阵列中阵元的激励值，最终获得稀疏线性阵列的优化分布以及优化阵列的加权向量。

2.根据权利要求1所述的一种基于L1/2范数的稀疏线性阵列优化方法，其特征在于步骤1所述的阵元间距在0.01-0.1λ范围内选取,是指：阵元间距为d(0.01≤d≤0.1λ)，选取初始分布阵列中各阵元的位置依次为d1,d2,…,dN，在观测角度区间[-θ θ]内等角度间隔的选择L个观测点，即为θ1,θ2,…,θL，则阵列流形矩阵为：A＝[a(θ1) a(θ2) … a(θL)]，

式中， 为阵列的方向向量，其中

Τ

[·] 表示向量的转置。

3.根据权利要求1或2所述的一种基于L1/2范数的稀疏线性阵列优化方法，其特征在于步骤3所述的阵列加权向量两端阵元的激励小于设定的激励最小值δ,是指：若阵列加权向量首尾阵元的激励小于设定的激励最小值δ，会导致首尾阵元缺失，优化后得到的稀疏阵列孔径不满足给定的孔径值，因此应减弱对首尾阵元激励的约束；如果要保证阵列的首尾阵元在优化过程中不缺失，那么其激励值与阵元激励最大值相差不大或在同一数量级。