1.一种高机动目标运动参数估计和相参积累检测方法，其特征在于，包括以下步骤：S1.对高机动目标的雷达回波进行脉冲压缩、邻域互相关处理并提取自相关项；S2.设计感知矩阵，利用贝叶斯压缩感知算法重构稀疏信号提取目标高阶运动参数；S3.进行高阶相位补偿，校正线性相位，获取相参积累并进行CFAR检测；S4.对目标高阶运动参数数目进行判断，完成相参积累检测并输出检测结果。
2.根据权利要求1所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S1包括以下步骤：S11.对高机动目标的雷达回波S r (τ,t m )进行脉冲压缩，得到脉压后回波S rc (τ,t m )；S12.对相参处理时间内的回波数据做邻域互相关处理，得到二维数据χ(τ′，t m )；S13.通过非相参积累，从χ(τ′，t m )中提取自相关项作为稀疏重构过程的观测信号。
3.根据权利要求2所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S11中的高机动目标的雷达回波具体如S r (τ,t m )下：其中ξ 0,l 表示第l个目标的传播系数，λ 0 ＝c/f c 表示波长，c表示光速；所述S11中的脉压后回波S rc (τ,t m )的表达式如下：其中，B表示发射波形的带宽，ξ 1,l 表示第l个目标脉冲压缩后的复系数。
4.根据权利要求3所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S12中的二维数据χ(τ′,t m )的表达式如下：其中χ self (τ′,t m )表示自相关项，χ cross (τ′,t m )表示互相关项；自相关项的表达式如下：自相关项的各阶系数的表达式如下：A 3,l ＝3a 3,l T r ；互相关项χ cross (τ′,t m )的表达式如下：互相关项的各阶系数表达式如下：
5.根据权利要求4所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S13包括以下步骤：S131.将χ(τ′,t m )取绝对值并沿慢时间做非相参积累，其表达式如下：S132.选择u(τ′)中绝对值最大的坐标值τ 0 ′，即为自相关项χ self (τ′,t m )的距离包络的峰值位置坐标；S133.从χ self (τ′,t m )中提取τ 0 ′坐标所对应的慢时间数据y(t m )＝χ self (τ′＝τ 0 ,t m )，作为稀疏重构过程中的观测信号。
6.根据权利要求5所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S2包括以下步骤：S21.设计构造稀疏重构的感知矩阵Φ；S22.基于感知矩阵Φ和观测信号y(t m )，代入压缩感知信号模型y＝Φx，利用贝叶斯压缩感知算法重构得到一维稀疏信号矢量 S23.将一维稀疏信号矢量 转换至二维矩阵 其中矩阵X中的元素满足[X] p′,q′ ＝x q′+p′Q ；S24.从二维矩阵 中估计出L个峰值的位置坐标，表示为 根据峰值位置得到L个目标的加速度和加加速度的估计值，分别为：输出L个目标的运动参数估计结果 并初始化l＝1。
7.根据权利要求6所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S21包括以下步骤：S211.定义代表加速度参数范围的集合和加加速度参数范围的集合；加速度参数范围的集合 加加速度参数范围的集合 其中，P、Q分别表示加速度和加加速度参数集合中的元素个数，Δa 2 和Δa 3 分别表示加速度和加加速度参数的搜索步长；S212.根据参数搜索集合Ξ 2 ,Ξ 3 来设计稀疏重构的感知矩阵 S213.构造感知矩阵Φ＝(U T e W T ) T ，其中的元素[Φ] m,q′+p′Q 可以表示为其中，定义两个矩阵 和矩阵 其元素分别表示如下：
8.根据权利要求7所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S3包括以下步骤：S31.根据估计出的加速度和加加速度构造频域补偿相位，在脉冲-距离频域对雷达回波s rc (f,t m )做相位补偿；S32.对相位补偿后频域回波信号利用Keystone算法校正剩余的线性运动相位，并通过方位向傅里叶变换在“距离时域-方位频域”得到相参积累结果，并做CFAR检测。
9.根据权利要求8所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S31中高机动目标脉压回波的脉冲-距离频域的表达式如下：利用第l个目标的运动参数估计值 构造补偿函数h l (f,t m )，其表达式如下：补偿后的信号表达式为s′ rc (f,t m )＝s rc (f,t m )·h l (f,t m )。
10.根据权利要求1所述的一种高机动目标运动参数估计和相参积累检测方法，其特征在于，所述S4包括以下步骤：S41.若满足l＜L，则令l＝l+1，对下一个目标继续重复S3步骤；S42.若不满足l＜L，直接输出对所有目标的检测结果。
