1.一种基于稀疏贝叶斯学习的双基地MIMO雷达的DOD和DOA估计方法，其特征在于，包括以下步骤：步骤1：双基地MIMO系统接收到的雷达信号经过匹配滤波后，得到在tl时刻包含K组DOD和DOA信息的数据向量x(tl)，l＝1,2,...,L，其中L表示快拍数，并粗略估计出K组DOD和DOA，记为步骤2：用步骤1中估计出的K组DOD和DOA为网格点，获得x(tl)一阶泰勒展开的近似表达式；

一阶泰勒展开的近似表达式为：

x(tl)＝G(β,η)s(tl)+n(tl)，l＝1,2,...,L，其中： ，

Mt表示发射端的天线根数，Mr表示接收端的天线根数，T

表示Kronecker积，(·)表示转置，diag(·)表示取对角运算；

表示 对θk的偏导数， 表示 对

的偏导数； βk表示θk的角度偏移值， ηk表示 的角度偏移值；s(tl)表示tl时刻接收信号在G(β,η)上的向量表示，n(tl)表示tl时刻的零均值高斯白噪声；

步骤3：设置迭代次数计数变量t＝1，初始化背景噪声的精度δ0、信号方差向量δ以及角度偏离值β和η；

步骤4：更新背景噪声精度δ0和信号方差向量δ；

步骤5：更新角度偏离值β和η；

步骤6：将网格点 看作可变参数，利用步骤5中求出的角度偏离值β和η更新网格点；

步骤7：判断迭代计数变量t是否达到上限T或方差向量δ是否收敛，如果都不满足，则迭代计数变量t＝t+1，并令β＝0，η＝0，然后利用更新的网格点 更新矩阵G(β,η)，并返回步骤4；

步骤8：对方差向量δ进行谱峰搜索，得到K个极大值点对应的网格点，即为目标角度的最终估计值。

2.如权利要求1所述的基于稀疏贝叶斯学习的双基地MIMO雷达的DOD和DOA估计方法，其特征在于，所述步骤1中调用经典的ESPRIT方法粗略估计出K组DOD和DOA。

3.如权利要求1所述的基于稀疏贝叶斯学习的双基地MIMO雷达的DOD和DOA估计方法，其特征在于，所述步骤4具体过程为：其中：c为常数，d为阵列间距， [·]nn表示矩阵的第n个对角线元素，Ξl＝μ(tl)μ(tl)H+Σ，μ(tl)＝δ0ΣG(β,η)Hx(tl)，Σ＝(δ0G(β,η)HG(β,η)+Δ-1)-1，Δ＝diag(δ)，(·)H表示共轭转置，ρ为一个较小正数。

4.如权利要求3所述的基于稀疏贝叶斯学习的双基地MIMO雷达的DOD和DOA估计方法，其特征在于，所述步骤5具体过程为： 其中： 表示广义逆运算，(·)*表示共轭运算，#表示Khatri-Rao积，U＝[μ(t1),...,μt(L])，Re{·}表示取实部运算，

5.如权利要求1所述的基于稀疏贝叶斯学习的双基地MIMO雷达的DOD和DOA估计方法，其特征在于，所述步骤6更新网格的具体过程为：θk＝θk+βk， 其中：k＝1,2,...,K。