1.基于迭代重加权可降维的二维平面DOA估计方法，其特征在于，包括以下步骤：步骤1、首先通过均匀矩形平面阵列获得信号接收数据矩阵Y；

步骤2、引入辅助变量 对二维平面阵接收数据模型进行变形，其中，表示复数域，K表示入射到均匀矩形面阵上的远场信号数，N为均匀矩形平面阵列的列数，T表示快拍数，将该模型分为两个一维阵列数据接收模型：其中，Y′为变形后的接收数据，E′表示变形后的接收数据模型中的白噪声矩阵，是与俯仰角有关的方向矩阵， 是与方位角有关的方向矩阵，T

包含着方位角和信号源的信息矩阵, 为信号源矩阵，(·)表示矩阵转置；

步骤3、对信号接收数据矩阵Y进行奇异值分解，利用特征向量得到信号子空间的数据接收矩阵Ys,再进行重排后变成降维矩阵YSS；

步骤4、一维阵列数据接收模型Y′＝(ψX′+E′)使用迭代重加权实现稀疏信号重构即和联合字典参数的估计值为 由字典参数与俯仰角 的映射关系可得各入射信号的俯仰角 的估计值

其中，字典参数 是z轴上阵元间距，λ是入射信号波长；

T T T

步骤5：针对一维阵列数据接收模型X′＝θS 使用迭代重加权实现稀疏信号重构和联合字典参数的估计值为 从而得到与俯仰角 的估计值 一一对应的方位角θk的估计值 第k个入射信号的波达方向估计完成；

其中，字典参数

T T T

2.如权利要求1所述方法，其特征在于，步骤5中针对一维阵列数据接收模型X′＝θS使用迭代重加权实现稀疏信号重构和联合字典参数的估计值为 具体是将信息矩阵的估计值 的第k行向量重排成一个矩阵 对第k个信号与方位角有关的接收信号模型 分别建立稀疏重构优化问题，分别使用迭代重加权算法得到联合字典参数的估计值为 其中， 为第k个入射信号的方位角为θk俯仰角的角度为 时在y轴上均匀线阵导向矢量。