1.一种基于迭代加权近端投影的MIMO雷达单测量矢量DOA估计方法，其特征在于，包括如下步骤：步骤1：对MIMO雷达接收阵列信号进行匹配滤波，取若干快拍下MIMO雷达虚拟阵列的输出信号；

步骤2：对MIMO雷达虚拟阵列输出信号矩阵进行降维变换，得到降维后的接收数据矩阵；

步骤3：计算降维后接收数据的协方差矩阵，并将其向量化运算后得到的数据矢量；

步骤4：根据稀疏重构理论，将搜索空域按等角度间隔划分为多个单元，将数据矢量转换成单测量矢量稀疏表示模型，将MIMO雷达DOA估计问题转化为求解稀疏向量中非零元素位置的问题；

步骤5:利用降维后的协方差逆矩阵的高阶幂构造加权矩阵；

步骤6:利用近端函数模型建立MIMO雷达单测量矢量DOA估计的加权稀疏优化模型；

步骤7:通过多次迭代求解步骤6建立的加权稀疏优化模型，获得稀疏解；

步骤8:通过搜索稀疏解的谱峰所在位置得到真实目标DOA估计值。

2.根据权利要求1所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤1具体包括如下内容：对具有M个发射阵元和N个接收阵元的MIMO雷达接收阵列信号进行匹配滤波，取J个快拍下MIMO雷达虚拟阵列的输出信号，得到：X＝AS+N

其中， 为输出信号矩阵，其中， 表示大小为MN×J的复数域矩阵集合，tj，j＝1，2，…，J为第j次快拍的时间；

为信号矩阵；

为高斯噪声矩阵；

为发射接收联合导向矩阵；其中，

为对应第p个目标的发射阵列的导向向量，p＝

1,2,...,P； 为对应第p个目标的接收阵列的导T

向向量，p＝1,2,...,P；(·) 表示矩阵转置，θp为第p，p＝1，2，...，p个目标的方位角，表示Kronecker积，P是非相干目标的数目。

3.根据权利要求2所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤2具体包括如下内容：对MIMO雷达虚拟阵列输出信号矩阵X进行降维变换，得到降维后的接收数据矩阵：其中， 为降维矩阵， 为

转换矩阵， 0N×M为N×M维的零矩阵，IN表示NH

×N维的单位矩阵，(·)表示共轭转置运算，为降维后的阵列流形矩阵，为信号矩阵， 为降维后的高斯白噪声矩阵。

4.根据权利要求3所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤3具体包括如下内容：计算降维后接收数据的协方差矩阵 并将其向量化运算后得到的数据矢量y：其中， RS和 分别表示信号和噪声的协方差矩阵，E(·)表示期望运算符，vec(·)表示向量化运算符。

5.根据权利要求4所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤4具体包括如下内容：根据稀疏重构理论，将搜索空域[‑90°,90°]按等角度间隔划分为L个单元，且L＞＞P，定义过完备字典：其中，

表示空域内所有可能的入射方向，

⊙表示Khatri‑Rao积；

将数据矢量y转换成单测量矢量稀疏表示模型：其中， vec(·)表示向量化运算符，稀疏向量 是P行稀疏矩阵，中的非零元素对应过完备字典中目标的DOA，将MIMO雷达DOA估计问题转化为求解稀疏向量 中非零元素位置的问题。

6.根据权利要求5所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤5中，利用降维后协方差逆矩阵的高阶幂构造加权矩阵：w＝diag[w1,w2,...,wL]其中，diag(e)表示由向量e中的元素构成的对角矩阵, 其中，向量 为字典 的第l列，m为任意正整数。

7.根据权利要求6所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤6中，利用近端函数模型建立MIMO雷达单测量矢量DOA估计的加权稀疏优化模型：f(wz)为向量wz中的各个元素代入惩罚函数 计算得到大小为L×1矢量，z为辅助变量，λ为调整参数，a＞2为常量， 定义为可行集的指示函数,ε为噪声功率的上界。

8.根据权利要求7所述的MIMO雷达单测量矢量DOA估计方法，其特征在于，所述步骤7中，通过多次迭代求解加权稀疏优化问题的具体步骤为：H H ‑1 H H ‑1

(7.1)定义初始值u0＝Aθ(AθAθ) y，u1＝Aθ(AθAθ) y，定义[λ1,λ2,...,λQ]为一组调整参数序列，并且满足关系λq+1＝cλq,0＜c＜1，λ1＝max{|u0|},其中，Q为外循环迭代次数；

(7.1)定义外循环变量q用来迭代求解加权稀疏优化问题，q赋初值为1；

(7.3)令λ＝λq；

(7.4)定义内循环变量k用来迭代求解全局最小值并将该最小值投影到可行集，k赋初值为1；

(7.4a)令 令 其中，w为步骤5中构造的加权矩阵；

(7.4b)利用外推步骤得到 其中μ≥0为外推常数；

(7.4c)非凸非平滑函数 的近端算子为：通过SCAD惩罚函数 产生相应的SCAD阈值函数 来计算非凸非平滑函数 的近端算子，即 其中， 为向量 中的各个元素代入SCAD阈值所计算得到的大小为L×1的矢量，sign(·)为符号函数，(α)+＝max(α，0)；

(7.4d)令 将 投影到可行集，得到稀疏解 其中 代表可行集 的投影；

(7.4e)令

(7.4f)当k≥K时，其中，K为内循环迭代次数，转至步骤(7.5)，否则，令k＝k+1，返回步骤(7.4a)；

(7.5)当q≥Q时，转至步骤(7.6)，否则，令q＝q+1，返回步骤(7.3)；

(7.6)获得最终稀疏解