1.一种冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，包括以下步骤：

(1)根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵 获得在第n个接收阵元回波信号中分离出第m个发射通道信号时所使用的匹配滤波器系数矢量Wm,n,k；

(2)利用所设计的匹配滤波器系数矢量Wm,n,k对MIMO雷达接收阵列的输出信号进行匹配滤波处理，得到虚拟阵列输出yk，计算出虚拟阵列协方差矩阵R；

(3)根据虚拟阵列输出数据的多维特性，由虚拟阵列协方差矩阵R构建三阶PARAFAC张量

(4)利用COMFAC算法快速分解三阶协方差张量 得到发射阵列和接收阵列流形矩阵的估计值

(5)采用K‑means聚类方法计算收发阵列流形矩阵估计值的聚类中心；

(6)计算用于诊断发射阵列和接收阵列中故障阵元的门限阈值；

(7)由发射阵列和接收阵列的流形矩阵估计值 和 获得矢量ωt和ωr，对ωt和ωr中每个元素分别关于阈值Tt和Tr进行门限检测，获得发射阵列和接收阵列故障阵元的位置。

2.根据权利要求1所述的冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，步骤(1)所述的匹配滤波器系数矢量Wm,n,k为：式中，表示Hadamard乘积； 为第n(n＝1,2,…,N)个接收阵元在第k个脉冲周期内的接收信号，即矩阵 的第n行元素，其中N为接收阵元数； 其中，σ>0为高斯核宽度；med(·)表示取中值； 为第m(m＝1,2,…,M)个发射阵元的发射信T

号矢量,M为发射阵元数，P为每个脉冲周期内的采样个数，(·) 表示转置。

3.根据权利要求1所述的冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，所述步骤(2)通过以下公式实现：式中，yk为将所有接收阵元的第k个脉冲周期内回波经匹配滤波后的输出ym,n,k(m＝1,

2,…,M；n＝1,2,…,N)按顺序排成维度为MN×1的输出向量，即等效为MN个虚拟阵元的输出；⊙表示Khatri‑Rao积；和 为存在故障阵元时的发射阵列和接收阵列流形矩阵；gk为大小为MN×1的冲击噪声经匹配滤波后的输出向量；

βl为第l个目标的反射系数，fdl表示第l个目标的多普勒频率，fs为脉冲重复频率；L为目标H

个数；K为脉冲重复周期数；(·) 表示复共轭转置运算。

4.根据权利要求1所述的冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，步骤(3)所述协方差矩阵R的三阶PARAFAC张量为：式中， 为L×L×L单位张量，即第(l,l,l)个(l＝1,2,…,L)个元素为1，其余均为零；

*

×n为模‑n张量与矩阵乘积； 其中， 为对角矩阵；(·) 表示复共轭； 为三阶形式的噪声张量。

5.根据权利要求1所述的冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，所述步骤(5)包括以下步骤：(51)随机选择两个簇类的聚类中心(52)定义 第m行元素与每一个聚类中心的欧式距离，即：其中， 为矩阵 中各个元素取绝对值所得到的矩阵； 为 的第m行元素，m＝

1,…,M；依次对比 每一行元素与每一个聚类中心的距离，将 中每一行元素分配到距离最近的簇类中：

式中，Cm表示 中第m行元素所属的簇类标签，其取值为1或2；

(53)为了获取准确的聚类中心，重新计算聚类簇的中心：式中， 为指示函数；

(54)重复(52)和(53)两步，直到聚类中心μt1和μt2不再变化；

(55)对接收阵列流形矩阵估计值 中各元素取绝对值得到矩阵 则接收阵列流形矩阵 的聚类中心μr1和μr2选取方法与 的聚类中心μt1和μt2的选取相同。

6.根据权利要求1所述的冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，步骤(6)所述的用于诊断发射阵列和接收阵列中故障阵元的门限阈值分别为：

式中，sum(v)表示对矢量v中元素求和，βt和βr为调节因子，μtj为发射阵列流形矩阵的聚类中心，μrj为接收阵列流形矩阵的聚类中心。

7.根据权利要求1所述的冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，其特征在于，步骤(7)所述的矢量ωt和ωr分别为：ωt＝[ωt1,ωt2,…,ωtM]ωr＝[ωr1,ωr2,…,ωrN]式中， m＝1,2,…,M； n＝1,2,…,N。