1.一种基于毫米波雷达的多目标检测方法，其特征在于，包括以下步骤：S1：解析雷达回波数据，通过固定杂波对消和距离‑多普勒FFT变换，得到距离‑多普勒频谱；

S2：对多元接收天线的距离‑多普勒频谱取模做非相参积累，并进行二维CFAR检测，得到雷达测量点迹；

S3：针对每一个雷达测量点迹(i,j)，采用多重信号分类算法估计雷达测量点迹的方位角，并根据方位角的连续性滤除干扰点迹，得到目标点迹；根据方位角的连续性滤除干扰点迹的具体过程为：定义与接收天线的距离‑多普勒频谱图相同维度的方位角矩阵、并初始化为全负1矩阵，再将雷达测量点迹(i,j)的方位角估计值依次填写于方位角矩阵中；

再采用方位角‑矩形窗法迭代方位角矩阵：对方位角矩阵中的任一非负1测量点迹，定义该测量点迹的邻域内测量点迹作为参考单元，设定比较阈值eps，比较参考单元与测量点迹方位角差值的绝对值是否小于等于比较阈值eps，若领域内存在满足条件的参考单元，则判定该测量点迹为目标点迹，否则为干扰点迹、进行滤除；

S4：对所有目标点迹的距离、速度与方位角进行归一化，再通过AP聚类算法和DBSCA N聚类算法结合实现点迹凝聚，得到最终聚类目标。

2.按权利要求1所述基于毫米波雷达的多目标检测方法，其特征在于，步骤S4的具体过程为：S4.1：针对每一个目标点迹(i,j)，计算其目标点迹的距离与速度，并对所有目标点迹的距离、速度与方位角进行归一化；将目标点迹(i,j)的距离、速度与方位角的归一化结果构成其特征向量；

S4.2：采用AP聚类算法对所有目标点迹的特征向量进行初次聚类，得到AP聚类目标；

S4.3：针对每一个AP聚类目标，进行反归一化处理得到该聚类目标的距离、速度与方位角，并将由距离与方位角计算出该聚类目标在直角坐标系的位置(x,y)；

S4.4：设置最小样本数为1、邻域为0.6m，基于所有聚类目标在直角坐标系的位置进行二次聚类，得到最终聚类目标。

3.按权利要求1所述基于毫米波雷达的多目标检测方法，其特征在于，步骤S1中，固定杂波对消采用非递归二次对消器。

4.按权利要求1所述基于毫米波雷达的多目标检测方法，其特征在于，步骤S2中，二维CFAR检测具体为：预设参考单元、保护单元和尺度因子，判断待检测单元是否为雷达目标点迹：2

其中，D为待检测单元功率，α为尺度因子，β为干扰功率估计、由参考单元的频率均值计算得出。

5.按权利要求1所述基于毫米波雷达的多目标检测方法，其特征在于，步骤S3中，多重信号分类算法具体为：S3.1：根据雷达测量点迹(i,j)，在第k根接收天线的距离‑多普勒频谱中取出第i行、第j列的频谱值作为雷达测量点迹的响应频率rk，S3.2：按接收天线排列顺序组合雷达测量点迹的响应频率，得到雷达测量点迹的频率矢量：r＝(r1,r2,...,rK)，K表示接收天线的数量，k＝1,2,...,K；

H

S3.3：对频率矢量r做相关处理，得到协方差矩阵：R＝rr；

S3.4：对协方差矩阵R做特征值分解，得到多个特征值λ1,λ2,λ3,...,λK及对应的特征向量υ1,υ2,υ3,...,υK；

S3.5：设定雷达测量点迹只包含唯一目标，则最大特征值对应的特征向量为目标特征向量，则剩下的N‑1个特征向量均为噪声特征向量，故按特征值从大到小的顺序将噪声特征向量排序组合构成噪声子空间： 表示噪声特征向量、k＝1,2,...,K‑

1；

S3.6：给定接收天线间距相对于雷达波长的比值为d，设目标信号源相对雷达角度为θ，‑j2πdsin(θ) ‑j2π(K‑1)dsin(θ)则导向矢量为：A＝[1,e ,...,e ]；

S3.7：构造空间谱函数：

S3.8：遍历角度θ，寻找空间谱函数P(θ)波峰对应的θ作为雷达测量点迹(i,j)的方位角估计值。