1.一种基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：包括如下步骤：步骤一：建立MIMO雷达接收信号向量模型；

步骤二：通过对MIMO雷达感知矩阵的奇异值进行二次截断和一次修正处理来改善感知矩阵的病态性，并利用SVD反变换获得非病态感知矩阵；

步骤三：利用SL0算法对MIMO雷达目标参数进行估计，并在计算初值和梯度投影值的步骤中，将病态感知矩阵的伪逆由上面获得的非病态感知矩阵的伪逆代替；

步骤四：最终输出求解后的目标场景向量α，根据最终输出求解后的目标场景向量α中的非零元素位置来确定各个目标的角度、距离和多普勒频移值。

2.根据权利要求1所述的基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：所述步骤一包括如下步骤：

1a：建立MIMO雷达的接收信号为 式中，(·)*表示复共轭转置，E是加性噪声，αp,k,h(p＝1,...,P,k＝1,...,K,h＝1,...,H)表示目标的复散射系数，JP是用来描述从不同距离单元返回的信号所用的转移矩阵；

1b：将上式简化成向量形式，定义

式中， vec(·)表示矩阵向量化运算，A是感知矩阵，α是目标场景向量；

1c：得到接收信号的向量模型为y＝Aα+e式中，e＝vec(E)。

3.根据权利要求1所述的基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：所述步骤二包括如下步骤：

2a：对A作奇异值分解:A＝UΣV*，其中 为由奇异值σi(i＝1,

2,…,Mr(N+P-1))构成的对角矩阵，U、V分别为奇异值对应的左奇异矩阵、右奇异矩阵；

2b：选取一次截断门限 保留大于等于 的奇异值，剔除小于的奇异值，即

2c：对保留的大于等于 的奇异值再次截断并修正，选择二次截断门限 将保留的奇异值 分成大于等于 和小于 的两部分，利用Tikhonov正则化准则对大于等于 的奇异值进行修正，将小于 的奇异值修正为与 接近的常数值，即q1和q2为修正参数；

2d：定义U1和V1分别为修正后的奇异值所对应的左奇异矩阵和右奇异矩阵，其中U1＝U(:,1:t1)由矩阵U的前t1列组成的矩阵，V1＝V(1:t1,:)由矩阵V的前t1行组成的矩阵，Σ1由经修正后的奇异值σ'm(1≤m≤t1)构成的对角矩阵；利用SVD反变换获得非病态感知矩阵A1＝U1Σ1V1*，矩阵A1的伪逆

4.根据权利要求1所述的基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：所述步骤三包括如下步骤：

3a：初始化:

(1)令初值 内循环次数为L、步长μ，其中L,μ＞0；

(2)选取一个序列[δ1,δ2,...,δJ]，且δ1＞δ2＞...＞δJ，其中， 3b：算法迭代：for j＝1,2,...,J

(1)令δ＝δj

(2)利用最速下降法求解Fδ(α)的最小值，并将其投影到可行集上；

初始化：

for l＝1,...,L

(a)设φ＝[α1 exp(-α12/2δ2),...,αz exp(-αZ2/2δ2)]T，其中Z＝P·K·H，P、K和H分别是在目标探测场景中所划分的距离单元个数,角度单元个数，以及多普勒单元个数；

(b)

(c)

(3)令

3c：当 或δj≤δJ时，转至步骤四，否则，令j＝j+1，δj＝ρδj-1，返回步骤二；

其中η为一个正数，用于判断算法是否终止，ρ为衰减因子，0＜ρ＜1。

5.根据权利要求4所述的基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：所述η＝0.01，ρ＝0.8。

6.根据权利要求4所述的基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：所述内循环次数L＝50，步长μ＝2。

7.根据权利要求3所述的基于截断修正SL0算法的MIMO雷达参数估计方法，其特征在于：所述修正参数q1＝115，q2＝95，C＝25。