1.基于支持向量回归的宽带信号多频带联合测向方法，其特征在于，具体按照以下步骤实施：步骤1、构建宽带信号第个快拍的阵列数学模型；

所述步骤1具体按照以下步骤实施：

步骤1.1、根据均匀线阵的阵列结构及空域目标相对阵列的位置信息，计算第 个阵元接收的回波信号 ：其 中， 表 示第 个 宽 带 信 号， ， 表 示目 标 个 数 ，表示信号 到达第 个阵元时相对参考阵元的时延差， 表示阵元数， 表示第 个信号的来波方向，表示电磁波传播速度，表示阵元间距， 表示第 个阵元上的高斯白噪声，均值为0，方差为 ；

步骤1.2、对步骤1.1得到的阵列回波信号进行离散傅里叶变换，得到单快拍下频率 点的阵列数学模型为：其中， ， 和

分别为频率 点的阵列回波信号、目标信号和噪声信号的离散傅里叶变换，假设噪声服从高斯分布，并且各个子频带的噪声相互独立，表示子频带个数， 表示转置运算， ，为频率 点的阵列流型矩阵，

，为角度 的导向矢量；

步骤1.3、根据步骤1.2得到的单快拍下频率 点的阵列数学模型，将一整段时间划分为等间隔的 小段，再对每一小段进行离散傅里叶变换，得到频域多个快拍数据，其第个快拍的阵列数学模型为：其中， 为频点 处第 个快拍的信号矢量， 为频点 处第 个快拍的噪声矢量；

步骤2、计算各频点聚焦到参考频点的阵列接收数据；

所述步骤2具体按照以下步骤实施：

步骤2.1、根据步骤1得到的第 个快拍的阵列数学模型，假设信号与噪声不相关，且不同信道噪声之间也不相关，得到第 个频点对应的协方差矩阵 为：其中， 表示期望运算， 为信号协方差矩阵，表示单位阵,表示共轭转置运算，实际中， ；

步骤2.2、设定宽带信号的最低频率点为参考频点 ；

步骤2.3、根据双边相关变换算法设计聚焦矩阵 ：其中， 分别是 、 的特征矢量， 为参考频点 的阵列数据去噪后的协方差矩阵， 为频点 处阵列数据去噪后的协方差矩阵，噪声功率 和 是分别是频点 和 处的数据协方差矩阵小特征值的平均；

步骤2.4、利用步骤2.3得到的聚焦矩阵 将频点 处的阵列接收数据聚焦到参考频点 处，得到聚焦后的数据 ：；

步骤3、对参考频点阵列接收数据进行数据预处理，得到降维后的输入特征；

步骤4、搭建宽带信号多频带联合测向的SVR模型；

步骤5、对SVR模型进行训练，得到宽带信号多频带联合测向训练好的SVR模型；

步骤6、将测试样本输入到步骤5训练好的模型，得到宽带信号多频带联合测向结果。

2.根据权利要求1所述的基于支持向量回归的宽带信号多频带联合测向方法，其特征在于，所述步骤3具体按照以下步骤实施：步骤3.1、根据步骤2.4得到的各频点聚焦后的阵列数据计算聚焦后参考频点 处的协方差矩阵 为：步骤3.2、提取步骤3.1得到的协方差矩阵 的上三角部分并重新组合，得到矢量 ：其中 为 的第行第 列元素；

步骤3.3、对步骤3.2得到的矢量 进行归一化处理，得到降维后的输入特征 ：其中， 表示向量的 范数， 和 分别表示取实部和虚部运算。

3.根据权利要求2所述的基于支持向量回归的宽带信号多频带联合测向方法，其特征在于，所述步骤4具体按照以下步骤实施：步骤4.1、根据步骤3.3得到的输入特征及支持向量回归理论，拟合 与输出角度 之间的函数映射关系：其中， 表示对 的估计， 是非线性映射函数， 为待训练的模型参数；

步骤4.2、根据步骤4.1得到的函数映射关系，搭建宽带信号多频带联合测向的SVR模型：{

SVR1{核函数：高斯核函数；高斯核函数参数：；惩罚参数：}SVR2{核函数：高斯核函数；高斯核函数参数：；惩罚参数：}···

SVRK{核函数：高斯核函数；高斯核函数参数：；惩罚参数：}}

其中，高斯核函数 , 表示第 个样本数据，。

4.根据权利要求3所述的基于支持向量回归的宽带信号多频带联合测向方法，其特征在于，所述步骤5具体按照以下步骤实施：步骤5.1、生成 个目标的 组角度标签集合 ，且满足；

步骤5.2、利用步骤5.1得到的角度标签集合 并结合步骤1、2、3生成训练样本集合；

步骤5.3、构造优化目标函数：

其中， 表示损失函数，为误差容

忍度；

步骤5.4、根据步骤5.1得到的角度标签集合 和步骤5.2得到的样本集合 ，构造第个目标的 组训练数据 ，其中 表示第 个目标角度的第 组训练数据，模型训练从 开始；

步骤5.5、利用步骤5.4得到的第 个目标角度的第 组训练数据 ，训练步骤4.2得到的SVR模型，更新参数 ，并代入步骤5.3构造的优化目标函数，得到函数值 ；

步骤5.6、利用步骤5.4得到的第 个目标角度的第 组训练数据 ，训练步骤4.2得到的SVR模型，更新参数 ，并将其代入步骤5.3构造的优化目标函数，得到函数值；

步骤5.7、比较函数 和 的大小：若 ，则 ，循环步骤5.5、5.6和5.7；

若 ，则结束第 个目标角度的模型训练，得到第 个目标角度对应的最优模型参数 ；

步骤5.8、令 ，循环步骤5.4、5.5、5.6和5.7，直到 ，将所有目标模型均训练好，训练结束。

5.根据权利要求4所述的基于支持向量回归的宽带信号多频带联合测向方法，其特征在于，所述步骤6具体按照以下步骤实施：步骤6.1、随机生成目标角度信息 ，并结合步骤1、2、3得到测试样本 ；

步骤6.2、将步骤6.1得到的测试样本 输入到步骤5训练好的模型，得到宽带信号第 个目标的估计角度为：。