1.一种声矢量阵方位估计方法，其特征在于包括如下步骤：(1)假设有L个远程水声目标，且其所发送的L个信号是频率为f的窄带信号，接收信号阵列是含有M个矢量传感器阵元的均匀线阵，阵元间距为发送信号的半个波长；

(2)将整个水声目标空间划分为K个空间位置，且K＞L，使每个空间位置都对应一个方向角度，在K个空间位置上阵列输出表示为：其中， 表示多次采样快拍的远程水声目标信号源，是K×1的矢量， 中只有少数L个元素不为零，其余均为零，且每一个不为零的元素都对应一个目标，每一个不为零元素的位置都对应一个目标的方位角度，Nw表示多次采样快拍的零均值高斯噪声，Φ表示扫描矩阵；

(3)对信号 采用稀疏贝叶斯学习的DOA估计算法，通过求解超参数的值，获得信号源的最大后验概率实现对目标的方位角估计，超参数通过迭代计算直至收敛，最后一次迭代计算出水声目标稀疏重构信号向量为(4)确定 非零行的位置，即可由该位置对应中的角度估计出入射信号的DOA，稀疏重构向量 非零元素位置即对应实际的DOA角度，最终完成DOA估计。

2.如权利要求1所述的一种声矢量阵方位估计方法，其特征在于：所述步骤(1)中，用矩阵形式表示阵元的输出如下：Y＝A(θ)S+N

其中， T表示转置；A(θ)表示信号的阵列流行矩阵， S表示远程水声目标信号源，S＝[s1,s2,...sL]T，N表示零均值高斯噪声，N＝[n1T，n2T，...nMT]T， 表示3M行1列的矩阵；

为了保证信号方位估计的精度，需要多次采样快拍：Yw＝A(θ)Sw+Nw w＝1,...W其中，W表示快拍数。

3.如权利要求2所述的一种声矢量阵方位估计方法，其特征在于：所述步骤(2)中，为用户定义的K个采样角度范围表示为θk＝[θ1,θ2,...θK]，k＝1,2,...K；此时水声信号相对于这K个空间位置来说呈稀疏状态，则K个采样角度中有很少量的L个位置相应的角度为真实信号的来波方向，则构造扫描矩阵为：Φ＝[a(θ1),a(θ2),...a(θK)]其中，a(θk)表示均匀线阵阵列流行矩阵，u(θk)表示方向向量，u(θk)＝[1，cosθk，sinθk]T。

4.如权利要求3所述的一种声矢量阵方位估计方法，其特征在于：所述步骤(3)中，求解超参数的具体步骤是：步骤3-1，初始化超参数λ,γ,B的值，令λ＝10-3，γ＝1，B为主对角线全为1的M阶单位阵，M为信号源的个数；

步骤3-2，稀疏矢量γ，真实噪声方差λ通过最小化代价函数式得出：L|γ,B,λ|＝log|λI+ΦΣ0ΦT|+YT|λI+ΦΣ0ΦT|Y

＝log|Σy|+YTΣy-1Y

其中Σy＝λI+ΦΣ0ΦT；

步骤3-3，采用最大期望算法求解上式，得出超参数γ,B,λ的学习规则，分别如下所示：步骤3-4，用MSBL算法推导得出如下结论：步骤3-5，将 的表达式进行变换如下式所示：步骤3-6，推导出最新的γ学习规则，表达式如下所示：将步骤3-3中B的表达式重新改写为：

步骤3-7，为了增加算法的鲁棒性，B的学习规则最终更新为：同时将λ学习规则进行简化，表达式如下：步骤3-8，一直迭代该步骤直到各个超参数均收敛于一个比较稳定的值。

5.如权利要求4所述的一种声矢量阵方位估计方法，其特征在于：所述步骤(4)中，采用稀疏贝叶斯学习的DOA估计步骤为；

步骤4-1，首先初始化观测值数目，w＝w0；

步骤4-2，根据观测值数目w对信号进行压缩采样得到观测值向量Yw；

步骤4-3，对信号 赋予一个共同的零均值高斯稀疏先验，如下式表示：步骤4-4，对于步骤4-3中公式的求解多次测量问题的解优化过程采用最小l1-范数求解问题，如下式表示：其中 表示l1-范数， 为l2-范数，s.t表示使得满足的条件，ε为表示预设的噪声存在时优化收敛的门限值；

现在转化为概率角度的求解方式：

其中α0为噪声方差的倒数，α0＝1/σ2，α为一个未知参数；将DOA估计的过程转化为对超参数矢量的控制；

条件概率写为：

要求 的最大值，现将其分解为两项，这两项分别为： 和P(α0,α|Yw)，然后分别对这两项求最大值；

上式条件概率等式右边第一个式子中信号 的后验概率密度函数由贝叶斯准则求得：则 分析上式得出的结论

是，当取值 时， 取最大值；

其中，均值uw和方差∑w分别为：

uw＝α0∑wΦTYw

∑w＝(α0ΦTΦ+diag(α))-1步骤4-5，根据步骤2-4得出的方差来设置误差条的大小Ew；

步骤4-6，根据观测数目求出平均误差条，其值用E'w来表示；

步骤4-7，如果根据观测数目得到的误差条E'w小于设置的误差条Ew，则将观测值w减小

1，若误差条E'w大于设置的Ew，则将观测值w增加1；返回步骤4-2，继续进行下一轮的迭代，直至出现收敛，则停止迭代；

步骤4-8，输出目标信号向量 最佳的观测数目w；

步骤4-9，根据水声信号源 的最大后验概率 恢复出水声目标源信号，完成水声目标DOA估计。