1.一种基于能量轨迹提取的海面运动目标航向角估计方法，具体步骤如下：步骤一、建立单基SAR空间几何构型，再建立单基SAR海面运动目标回波模型，并完成系统参数初始化；首先建立单基SAR空间几何构型，设定r T ＝[X T ,Y T ,Z T ]和r p ＝[X p ,Y p ,Z p ]分别表示全局坐标系下雷达平台和目标中散射点的坐标矢量，v T ＝[v Tx ,v Ty ,v Tz ]和v p ＝[v px ,v py ,v pz ]分别表示雷达和散射点的速度矢量；则由SAR空间几何构型可得舰船目标散射点的双程距离历史R(η；r p )，表达式如下：R(η；r p )＝2||r T +v T η-r p -v p η||其中，η表示慢时间；然后建立单基SAR海面运动目标回波模型，完成系统参数初始化；设定雷达发射信号为线性调频信号，则下变频和解调后的回波信号在二维时域的表达式如下：其中，τ，η和T a 分别表示快时间，慢时间和合成孔径时间，σ η 表示场景散射系数，电磁波速度c为3×10 8 m/s，λ表示发射信号的波长，K表示线性调频信号的调频率，rect(·)表示矩形窗函数；初始化系统参数包括：脉冲重复频率，距离向采样率，接收阵元数，相干处理脉冲数，接收站和发射站的空间位置及速度；步骤二、基于步骤S1，对解调后的二维时域回波信号s(t,η)进行脉冲压缩；海面运动目标反射回波经距离压缩后表达式如下：其中，σ p 表示运动目标的RCS，B r 表示发射信号的带宽；步骤三、徙动因子相位补偿，去除平台运动引入的距离徙动；对回波信号做距离向快速傅里叶变换，表达式如下：其中，f τ 表示距离频域变量，相位Φ(f τ ,η)表达式如下：其中，R 0 表示成像中心时刻舰船目标与雷达平台的斜距，f dc 、f dr 和f d3 分别表示舰船目标的多普勒质心、多普勒调频率和三阶多普勒参数，f c ＝c/λ则表示载波频率；对s 2 (f τ ,η；r p )进行徙动因子相位补偿，去除因平台运动引入的距离徙动，补偿的徙动因子相位H ref 表达式如下：则相位补偿后的回波信号表达式如下：对s 3 (f τ ,η；r p )距离向逆傅里叶变换，表达式如下：步骤四、场景多目标回波分离；对s 4 (τ,η；r p )的方位向做快速傅里叶变换，表达式如下：在s 5 (τ,f η ；r p )信号所处的距离多普勒域中，场景不同位置处目标的回波信号可被直接分离；根据单个运动目标在距离多普勒中的二维位置，构建相应的二维窗函数H win ，通过多目标回波信号与二维窗函数H win 相乘，实现运动目标的回波分离；在距离多普勒域中对方位向乘上不同的窗函数H win 进行目标区域截取分离，再将分离出的单目标信号方位向逆傅里叶变换，得到信号s 6 (f τ ,η；r p )，表达式如下：s 6 (τ,η；r p )＝IFFT[s 5 (τ,f η ；r p )·H win ]步骤五、进行强散射点能量轨迹提取与估计；脉冲压缩后回波中峰值的能量与噪声区域的平均能量计算得到回波的信噪比；判断信噪比情况，若≥15dB则为高信噪比，在高信噪比时，遍历每一个脉冲重复间隔PFI下的所有距离门，根据最大信噪比准则提取该PFI下的强散射点能量轨迹距离门位置 表达式如下：其中，G(m,k)表示s 6 (f τ ,η；r p )中第k个PFI的所有距离门，m表示距离门位置， 即为强散射点能量轨迹在第k个PFI的距离门位置；判断信噪比情况，若＜15dB则为低信噪比，在低信噪比时，采用基于动态规划的多帧联合检测方法提取能量轨迹，表达式如下：其中， 和 分别表示更新前和更新后的能量轨迹邻域，z xy (m)表示关联区域最大值，提取到的散射点能量轨迹为 Na表示回波方位向采样点数，[·] T 表示矩阵的转置操作；步骤六、多参量优化建模与目标函数设计；待优化的参量包括：海面动目标的二维速度，各个散射点的位置，在构建优化模型时，将雷达平台的速度误差也作为参量进行建模，则待优化参量的表达式如下：Λ＝[v px ,v py ,X p1 ,Y p1 ,…,X pi ,Y pi ,…,X pN ,Y pN ,e 1 ,…,e m ]其中，v px 和v py 表示海面动目标的二维运动速度，X pi 和Y pi 表示海面动目标第i个散射强点的二维位置坐标，N表示联立建模的舰船散射点个数，e 1 ,…,e m 表示雷达平台的速度误差；相应的优化模型表达式如下：其中， 表示根据步骤五提取出来的强散射点能量轨迹，R t_n (Λ,η)则表示由Λ计算得到的能量轨迹理论值；考虑雷达平台存在速度误差e，则有误差的平台速度表达式如下：v Terr ＝v T +e则平台运动轨迹T path 表达式如下：强散射点r p ＝[X p ,Y p ,Z p ]的运动轨迹Target path 表达式如下：其中，设定海面动目标始终处在二维海平面上，则高度项始终为0；能量轨迹理论值R t_n (Λ,η)也是海面动目标强散射点的距离历史，可由平台运动轨迹和动目标运动轨迹的二范数计算得到，表达式如下：R t-n (Λ,η)＝||T path -Target path || 2步骤七、利用DE算法求解目标航向角；基于步骤六所建立优化模型的非凸性，采用一种遗传算法——差分进化算法进行优化求解，具体如下：(1)确定差分进化算法中的种群大小N p 、最大迭代次数G m 及杂交参数CR，并随机产生解空间中的初始种群；(2)计算初始种群中每个个体Λ i 的目标函数值 (3)判断是否达到终止条件或进化代数达到最大，若是，则终止进化，将得到一组动目标的最优参量Λ opt ；若否，则继续；(4)进行变异和交叉操作，得到中间种群；(5)在原种群和中间种群中选择个体，得到新一代种群；(6)令进化代数g＝g+1，转步骤(3)；最终通过差分进化算法估计出动目标的最优参量Λ opt ，再由其中的海面动目标的最优二维运动速度可获取海面动目标的航向角估计值。
