1.一种基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，包括以下步骤：S1、对无人机的雷达回波进行距离压缩、利用零空间追踪算法分离微多普勒信号，得到无人机雷达回波；S2、基于得到无人机雷达回波，利用Keystone变换校正无人机包络的距离走动，并遍历提取距离包络峰值位置的慢时间数据作为稀疏重构的观测信号；S3、设计感知矩阵，利用贝叶斯压缩感知算法重构观测信号估计无人机各阶的运动参数；S4、根据无人机各阶的运动参数构造运动相位补偿滤波器，在脉冲-距离频域对无人机回波进行相位补偿，并对补偿后的频域回波信号作相参积累并进行CFAR检测；所述步骤S1具体包括：S11、将无人机的雷达回波 通过快时间傅里叶变换进行距离压缩，得到距离压缩后的回波 ；S12、采用零空间追踪算法分离无人机雷达回波 中的机身回波信号和微多普勒信号，分离后的无人机雷达回波 为无人机机身的雷达回波信号 。
2.根据权利要求1所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S11中的无人机的雷达回波 的表达式为：式中， 表示快时间， 表示慢时间， 表示脉冲序号，M表示相参积累的脉冲数， 表示无人机机身的回波， 表示无人机旋翼引入的微多普勒信号；无人机机身回波的表达式为： ；式中， 表示机身回波信号的幅度， 表示中心频率， 表示发射波形调频率， 表示光速， 表示高机动无人机的距离历程，其表达式为： ；式中， 表示无人机初始距离， 表示无人机速度， 表示无人机加速度， 表示无人机急动度；无人机旋翼引入的微多普勒信号 的表达式为： ；式中，K表示无人机共有K个旋翼，I表示无人机共有I个叶片， 表示第k个旋翼上的第i个叶片的回波，其表达式为： ；式中， 表示第k个旋翼的旋转频率， 表示第k个旋翼上的第i个叶片的初始相位，L表示无人机叶片的长度， 表示雷达位于坐标原点时无人机相对雷达的视线角；距离压缩后的回波 的表达式为： ；式中， 表示快时间傅里叶变换， 表示无人机机身回波的快时间傅里叶变换，其表达式分别为： ；其中， 表示距离压缩后的机身回波信号幅度， 表示脉冲重复时间， 表示载波波长。
3.根据权利要求2所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S12中零空间追踪算法的输入信号为距离压缩后的无人机回波 ，通过遍历所有距离单元，无人机旋翼引入的微多普勒信号被分离出来，并将分离后的信号通过快时间的逆傅里叶变换得到时域表示的无人机雷达回波 ，为无人机机身的回波信号 。
4.根据权利要求3所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S2具体包括：S21、设计Keystone变换中的慢时间变量 ；S22、将慢时间变量 代入步骤S1微多普勒信号分离后的无人机雷达回波 中得到Keystone变换后的时域无人机回波信号 ，对时域无人机回波信号 作快时间傅里叶变换得到Keystone变换后的距离频域信号 ，遍历所有距离单元得到无人机距离包络峰值所在的距离单元，提取该距离单元内的慢时间数据 ，该慢时间数据 作为稀疏重构过程中的观测信号。
5.根据权利要求4所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S22中的时域无人机回波信号 的表达式为：Keystone变换后的距离频域信号 的表达式为：式中， 表示距离包络峰值所在的距离单元，其表达式为：遍历所有距离单元得到无人机距离包络峰值所在的距离单元，提取该距离单元内的慢时间数据 的表达式为：式中， 表示包含Keystone变换后无人机回波信号包络的复幅度。
6.根据权利要求5所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S3具体包括：S31、设计构造稀疏重构的感知矩阵 ；S32、基于感知矩阵 和观测信号 ，代入压缩感知信号模型 ，利用贝叶斯压缩感知算法重构得到一维稀疏信号矢量 ；S33、将一维稀疏信号矢量 转换至三维矩阵 ，其中矩阵 中的元素满足： ；S34、从三维矩阵 中估计出绝对值最大值的位置坐标，表示为 ，根据最大值的位置得到无人机的速度、加速度和急动度的估计值，分别为： ； ； ；输出无人机的运动参数估计结果 。
7.根据权利要求6所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S31具体包括：S311、定义代表速度、加速度和急动度参数范围的集合：速度参数范围的集合 ，加速度参数范围的集合 ，急动度参数范围的集合 ；式中，N，P、Q分别表示速度、加速度和急动度参数集合中的元素个数， 、 和 分别表示速度、加速度和急动度参数的搜索步长；S312.、根据参数搜索集合 来设计稀疏重构的感知矩阵 ；S313、构造感知矩阵，将其表示为N个子矩阵的形式， ，其中， 表示第n个子矩阵，它对应 中的第n个元素；子矩阵 表示为P个子矩阵， ，其中， 表示第p个子矩阵，对应 中的第p个元素，子矩阵 中第m行，第q列的元素表示为： ；式中，矩阵 中的元素 在感知矩阵 中的坐标表示为： 。
8.根据权利要求7所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S4具体包括：S41、根据估计出的无人机速度、加速度和急动度构造运动相位补偿滤波器，在脉冲-距离频域对无人机回波 做相位补偿；S42、对相位补偿后频域回波信号做慢时间傅里叶变换在距离-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所述的基于贝叶斯压缩感知的无人机目标相参积累检测方法，其特征在于，所述步骤S41中脉冲-距离频域对无人机回波 的表达式为： ；利用第 l 个目标的运动参数估计值 构造补偿函数 ，其表达式如下： ；补偿后的信号表达式为 。
