1.一种扫描雷达快速批处理迭代自适应超分辨成像方法，具体步骤如下：步骤一、构建全距离单元扫描雷达回波信号模型；设距离压缩后，第m个距离单元内扫描雷达回波模型表达式如下：其中， 表示回波向量，N表示回波信号方位向采样点数， 表示复数域，[·] T 表示矩阵的转置操作； 表示目标散射向量，θ i ,i＝1,…,K 1 表示第i个采样点处方位向角度，K 1 表示目标散射信号方位向采样点数； 表示加性高斯白噪声向量； 表示天线方向图向量，L表示天线方向图采样点数； 表示向量卷积操作；将天线方向图向量转化成矩阵形式，则式(1)改写表达式如下：s m ＝Hx m +e m (2)其中， 表示转向矩阵；将式(2)中的第m个距离单元扩展成全距离单元，则可得全距离单元扫描雷达回波信号模型表达式如下：S＝HX+E (3)其中， 表示目标散射矩阵，K 1 和M分别表示目标散射信号的方位向和距离向采样点数； 表示转向矩阵，N表示回波信号方位向采样点数； 表示回波矩阵； 表示加性高斯白噪声矩阵；步骤二、基于步骤S1的全距离单元扫描雷达回波信号模型，利用基于批处理的迭代自适应方法求出目标散射迭代式；首先基于单距离单元下迭代自适应方法，分别给出加权最小二乘的代价函数J和噪声协方差矩阵Q k ，表达式如下：J＝(s-Hx) H W(s-Hx) (4)Q k ＝R-p k h k h k H (5)其中，s表示单距离回波向量，x表示单距离目标散射向量，[·] H 表示共轭转置操作，p k ＝|s k | 2 表示每一个方位目标散射能量，h k 表示转向矩阵H的第k列，R表示回波协方差矩阵；根据加权最小二乘法， 被选择为加权矩阵W，则最小化代价函数可得目标散射迭代式 表达式如下：根据Capon滤波法则，式(6)近似为： 然后根据全距离单元内扫描雷达回波信号模型和Kronecker积的性质，将 转化为基于批处理的迭代自适应方法的迭代式，表达式如下：X (q+1) ＝Σ (q) ⊙(H H U (q) ) (8)其中， x K1M 表示 的第K 1 M个元素；q表示迭代自适应方法的迭代次数， 表示第q+1次全距离单元目标散射迭代结果， 表示目标散射矩阵，且Σ ij ＝|X ij l 表示Σ (q) 的第i行第j列元素，l表示预先设定的人工参数，用来控制结果的稀疏性，⊙表示哈达玛积；设定 u＝vec(U)， 表示中间式，用二维共轭梯度算法来求解；其中， 用于修正矩阵R求逆的病态性，I表示单位矩阵，λ表示修正参数；步骤三、利用二维共轭梯度算法求解目标散射并加速迭代过程，输出目标散射和噪声功率；根据二维共轭梯度算法求解目标散射的迭代过程表达式如下：U t+1 ＝U t +α t D t (9)W t ＝H(Σ⊙(H H D t+1 ))+λD t+1 (11)D t+1 ＝G t +β t D t (12)G t+1 ＝G t -α t W t (13)其中，t和q分别表示在共轭梯度算法中和迭代自适应方法的迭代次数；d t ＝vec(D t )表示矩阵 的共轭方向； w t ＝vec(W t )表示中间变量； β t+1 ＝ρ t+1 /ρ t ；g t ＝vec(G t )表示梯度；||·|| F 表示Frobenius范数；将迭代过程中参数初始化为： 将初始化值代入式(14)的迭代过程中，外循环是迭代自适应方法的迭代循环，迭代次数Q次；外循环开始，并初始化参数U 0 ＝0,G 0 ＝S,D 0 ＝0,β 0 ＝0, 然后开始内循环，内循环是共轭梯度算法的迭代循环，迭代次数T次；将外循环初始的参数代入迭代中可得：内循环结束后，进行赋值：最后，迭代结束导出目标的全距离单元散射估计，实现扫描雷达快速批处理迭代自适应超分辨成像。
