1.一种快速流形建模的MIMO雷达波形优化方法，其特征在于，包括如下步骤：步骤A：构建MIMO雷达模型，得到波形矩阵；

步骤B：在MIMO雷达模型中加入目标雷达波束扫描获得的干扰数据，包括加性噪声和多个信号独立的干扰源，干扰源的干扰方向，计算雷达天线接收端的复向量；

步骤C：计算包括多个变量的接收机输出端信噪比，对信噪比在恒模约束下进行联合优化，加入加权因子，组合成新的优化SINR的目标函数，基于黎曼流形将目标函数中的欧氏空间下的约束问题可以转换为无约束优化问题，通过计算将欧氏空间推广到黎曼流形的复圆流形的无约束二次优化问题，得到优化SINR目标函数的代价函数；

步骤D：通过对雷达模型、代价函数和黎曼流形框架分析，采用限制内存的黎曼流形BFGS算法进行优化，计算BFGS的迭代方向，进行线性搜索并不断更新步长，再计算BFGS的步长系数，寻找符合沃尔夫准则的收敛值，计算此时的代价函数值和黎曼梯度，在BFGS算法预设的迭代次数和迭代停止条件下进行迭代；

步骤E：迭代终止得到优化后的MIMO雷达接收机波形矩阵，将波形矩阵导入MIMO雷达数据，通过天线进行雷达信号收发。

2.根据权利要求1所述的一种快速流形建模的MIMO雷达波形优化方法，其特征在于，所述MIMO雷达为拥有Mt根发射天线和Mr根接收天线的共置MIMO雷达，且所有的发射和接收天线是各向同性的，发射和接收天线都是均匀线阵，相邻阵元的间距为半波长；

由第m个天线发射的波形序列为 其中，m＝1,...,Mt，L是每个波形的样本数目，波形矩阵为

3.根据权利要求2所述的一种快速流形建模的MIMO雷达波形优化方法，其特征在于，其中，MIMO雷达的目标方向为θ0，Q个信号独立的干扰源方向为θi,i＝1,…,Q，对于远场目标，接收端在时间索引l处的接收的Mr×1复向量为：y(n)＝α0A(θ0)xn+d(n)+v(n)   (1)其中，

1)α0表示目标的复幅度 at(θ)和ar(θ)，分别是发射和接收导向向量，分别表示为如下式子：

发射导向向量：

接收导向向量：

2) 表示Z个信号独立不相关的点源散射干扰的干扰信号，在第Z个干扰源位于θz,z＝1,...,Z，d(n)表示Z个干扰源的干扰信号叠加：αz表示第Z个干扰源的复幅度；

3) 表示加性噪声为高斯噪声：通过接收端复向量得到的雷达接收机输出端信噪比为：其中，分子的欧米伽是包含目标方向的信息矩阵，分母的Y是包含干扰方向和噪声的信息矩阵，分子整个是信号功率，分母整个是干扰和噪声功率； vec(·)运算符表示将矩阵重构为一个列向量，式中其他符号的具体表达式如下：

4.根据权利要求3所述的一种快速流形建模的MIMO雷达波形优化方法，其特征在于，将恒模约束下优化SINR的问题描述为：H H

在恒模约束下最大化xΩx的同时，最小化xYx再在每一项中乘以一个加权因子，以凸组合的方式生成目标函数为：

其中，Ξ＝(1‑γ)Y‑γΩ并且γ∈[0,1]在黎曼空间中求解式(5)。

5.根据权利要求4所述的一种快速流形建模的MIMO雷达波形优化方法，其特征在于，通过对黎曼流形表示为复欧几里得空间与复圆的乘积，计算复圆流形为：将式(5)转化为复圆流形上的无约束二次优化问题，无约束二次优化问题表示为：即得到代价函数(7)，将复欧几里得空间下的梯度和Hessian矩阵投影到黎曼流形的切平面中，计算黎曼梯度和黎曼Hessian矩阵，在切平面内进行梯度下降搜索，使用定义的回撤(retraction)函数，将搜索到的点回撤到流形中；

当算法满足条件停止得到波形函数。