1.一种针对低小慢集群目标的雷达超分辨方法，其特征在于，包括步骤：初始化步骤:

设置发射信号带宽B、雷达发射信号脉冲宽度T和调频斜率 ；对距离维回波进行采样，得到方位维和距离维的二维回波信号；

距离维脉冲压缩步骤：

将回波沿距离维做傅里叶变换得到二维回波矩阵；利用调频斜率、雷达发射信号脉冲宽度构造距离维脉冲压缩参考函数，再进行傅里叶变换后得到参考函数频谱；将二维回波矩阵与参考函数频谱相乘，再对相乘结果进行傅里叶逆变换得到距离维脉冲压缩后时域结果；

集群目标回波模型构建步骤：

对距离维脉冲压缩后时域结果的方位维做快速傅里叶变换得到距离‑多普勒域回波数据矩阵；将集群目标在雷达系统距离‑多普勒空间上的散射系数与距离‑多普勒域回波数据矩阵的二维卷积再加上距离‑多普勒空间上的随机噪声构成集群目标回波模型；

稀疏超分辨的目标函数建立步骤：

对幅度从集群目标回波模型中提取出距离维信号幅度，并利用距离维卷积核函数构建信号卷积矩阵 对距离维信号幅度进行离散化得到距离维超分辨模型 ；采用稀疏正则化方法对距离维超分辨模型 进行描述得到稀疏超分辨的目标函数；

超分辨率成像结果输出步骤：迭代求解计算目标函数的梯度，输出集群目标的距离维散射系数向量 形成的超分辨率成像结果。

2.如权利要求1所述方法，其特征在于，迭代求解计算目标函数的梯度的具体表示为：；

其中， 是集群目标的距离维散射系数向量 第 次迭代结果， 是向量 第次迭代结果，代表转置， 是正则化参数， 为对角矩阵， 为向量 的第i个元素， 为 的第i个元素，是一个用于解决L1范数不可微问题引入的常数。

3.如权利要求1所述方法，其特征在于，距离维卷积核函数 具体为：；

其中，为光速， 表示目标离雷达的距离， 为距离维时间变量。

4.如权利要求1所述方法，其特征在于，距离维脉冲压缩参考函数 具体为：；

其中， 为矩形包络函数， 为指数函数， 为距离维时间变量， 为虚数单位。

5.如权利要求4所述方法，其特征在于，参考函数频谱 具体为：；

其中， 表示距离维频率域变量。

6.如权利要求1所述方法，其特征在于，集群目标回波模型 具体为：；

其中， 代表卷积操作， 为方位维频率域变量， 为距离维时间变量， 为集群目标在雷达系统距离‑多普勒空间上的散射系数， 为距离‑多普勒域回波数据矩阵， 为距离‑多普勒空间上的随机噪声。

7.如权利要求6所述方法，其特征在于，距离‑多普勒域回波数据矩阵 具体为：；

其中， 为方位维时间变量， 表示对方位维做快速傅里叶变换， 为距离维脉冲压缩后时域结果，为光速，为目标运动的径向速度， 为指数函数， 表示目标离雷达的距离， 为方位矩形窗函数的频谱形式， 为雷达发射信号中心频率， 为波束中心扫过目标的时间， 为虚数单位。

8.如权利要求7所述方法，其特征在于，距离维脉冲压缩后时域结果 具体为：；

其中， 表示在距离维进行傅里叶逆变换， 为二维回波矩阵与参考函数频谱相乘结果， 为方位矩形窗函数。