1.一种基于迭代近端投影的MIMO雷达多测量矢量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，取多个快拍下虚拟阵列的输出信号矩阵；

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)：对MIMO雷达降维后的输出信号进行奇异值分解，得到由多测量矢量构成的矩阵；

步骤(4)：根据稀疏重构理论，将搜索空域按等角度间隔划分，将步骤(3)得到的矩阵转换成稀疏表示模型；

步骤(5)：利用近端函数模型建立MIMO雷达多测量矢量DOA估计的稀疏优化问题，在迭代过程中通过外推步骤和SCAD函数获得近端算子以求解该优化问题；

步骤(6)：步骤(5)获得稀疏解之后，通过搜索其谱峰所在位置得到真实目标DOA估计值。

2.根据权利要求1所述的基于迭代近端投影的MIMO雷达多测量矢量DOA估计方法，其特征在于：步骤(1)具体为：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个快拍下虚拟阵列的输出信号矩阵X＝AS+N；其中 为接收信号矩阵； 为信号矩阵，其中 表示复数域；

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， 为对应第p个目标的接T

收阵列的导向向量，(·)表示矩阵转置，θp为第p个目标的方位角， 表示Kronecker积，p＝

1,2,...,P，P是相干目标的数目。

3.根据权利要求2所述的基于迭代近端投影的MIMO雷达多测量矢量DOA估计方法，其特征在于，步骤(2)具体为：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；

H

0N×M为N×M维的零矩阵；(·) 表示共轭转置运算。

4.根据权利要求3所述的基于迭代近端投影的MIMO雷达多测量矢量DOA估计方法，其特征在于，步骤(3)具体为：对MIMO雷达降维后的输出信号 进行奇异值分解，得到其中USV由P个大特征值对应的左奇异值矢量组成的信号子空间矩阵，UNV由其余M+N‑1‑P个小特征值对应的左奇异特征值矢量组成的噪声子空间矩阵，V为右奇异特征值矢量组成的矩阵，Λ为 的特征值构成的对角矩阵；令 则 为由多测量矢量构成的矩阵，可表示为 其中 为降维后的阵列流形矩阵，为虚 拟 均 匀线阵 导 向 矩阵 ，SS V＝ S VD P ，ΛP×P由P个大特征值组成的对角矩阵，0P×(J‑P)为P×(J‑P)维的零矩阵。

5.根据权利要求4所述的基于迭代近端投影的MIMO雷达多测量矢量DOA估计方法，其特征在于，步骤(4)具体为：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，表示空域内所有可能的入射方向，定义冗余字典 其中则 又可转换成稀疏表示模型： 其

中, 与SSV具有相同的行支撑，即Sθ是P行稀疏矩阵，Sθ中的非零行元素对应冗余字典中目标的DOA。

6.根据权利要求5所述的基于迭代近端投影的MIMO雷达多测量矢量DOA估计方法，其特征在于，步骤(5)具体为：利用近端函数优化模型建立MIMO雷达多测量矢量DOA估计的稀疏优化问题：其中， 是非凸非平滑函数，z为辅助变量， 是由矩阵z的每一行向量的l2范数构成的列向量， 是由矩阵Sθ的每一行向量的l2范数构成的列向量，定义为可行集 的指示函数；该稀疏优化问题需要多次迭代求解 ，其 中 在 第 k次 迭 代 中 的 稀 疏解 可 表 示 为 其中为非凸非平滑函数 的近端算子， 代表可行集 的投影。

7.根据权利要求6所述的基于迭代近端投影的MIMO雷达多测量矢量DOA估计方法，其特征在于，步骤(5)中的通过多次迭代求解稀疏优化问题的具体步骤为：步骤(a)：利用外推步骤改善算法性能，在第k次迭代中的稀疏解表示为其中w≥0为权重常数；该模型在第k次迭代中的稀疏解可进一步表示为 其中 为非凸非平

滑函数 的近端算子；

步骤(b)：非平滑函数的近端算子 可通过SCAD惩罚函数 产生相应的SCAD阈值函数 来计算，其中， 为矢

量 中第l个元素，l＝1,2,…,L，λ为调整参数，a为常量，取值为a＞2，sign(·)为符号函数，(α)+＝max(α，0)。