1.一种基于粒子滤波算法的无线电干扰源测向定位方法，其特征在于，包括如下步骤：
步骤1：选择干扰源目标的位置坐标为状态变量，波达角为观测变量，建立状态模型和观测模型：
状态模型为：Xk＝X0，k＝1,2,…m；Xk是第k次测量的目标状态值，X0是目标的初始状态值，每次测量对应一次循环，m表示最大循环次数；
观测模型为： k＝1,2,…m；Zk＝θk为第k次测量的波达
角，(xk,yk)为第k次测量时移动监测车的位置坐标，(xTk,yTk)为第k次测量的目标的位置坐标，Vk＝vθk是第k次测量的观测噪声，上角标T表示转置；
步骤2：根据历史数据，生成初始的粒子集 粒子集中的样本数为N，样本的状态值为干扰源目标的位置坐标；设循环计数器k的初始值为1；
步骤3：确定第k次循环下当前粒子集中各样本的权值；
设当前粒子集为 其中第i个样本 的状态值为 当k＝1时，
该样本 的权值 为：
δ为第k次循环中针对当前粒子集中第i个样本的观测噪声方差；
步骤4：对权值归一化处理，归一化后的第k次循环中第i个样本的权值为步骤5：重采样，具体是：设置阈值a，在当前粒子集中，用权值大于阈值a的样本替换权值小于阈值a的样本，保持粒子集的个数N不变，设更新后的粒子集为
步骤6：确定第k次观测的目标坐标
为当前粒子集中第i个样本的状态值， 为当前粒子集中第i个样本的权
值；
步骤7：判断k是否小于K1，若是，转步骤8执行；否则，判断是否保留当前观测的目标坐标；
计算当前测量的波达角θk与前K1次测量的波达角的平均值θmean的差，若|θk-θmean|<0.25，则保留当前观测的目标坐标到目标状态集中，继续执行步骤8；否则丢弃该目标坐标，然后转步骤9执行；
步骤8：判断k是否小于K2，若是，则保留目标状态集中的样本，然后继续执行步骤9；否则，更新目标状态集，然后继续执行步骤9；其中K2小于K1；
更新目标状态集的方法是：
设当前目标状态集为 表示该集合中的第t个坐标，t＝1,2,...,k；
分别针对x和y坐标，在当前目标状态集中取对应的最大值max、最小值min和平均值mean，判断 是否大于25％，若是，执行步骤8.1，否则，执行步骤8.2；
步骤8.1：分别针对x和y坐标进行如下操作：设g表示x或y；
设置g坐标对应的阈值 对所有 按照目标值大小进行排序，
然后将其中小于阈值b的 组成子集{G}1，将大于阈值b的 组成子集{G}2；设子集{G}1元素个数为I，子集{G}2元素个数为J，若|I-J|≥2，则将个数少的子集中的样本用个数多的子集中的样本替换，若|I-J|＜2，比较两个子集的标准差，用标准差小的子集中的样本替换标准差大的子集中的样本；
步骤8.2，保留当前目标状态集中样本；
步骤9：判断是否达到最大循环次数，若是，输出最终观测的目标坐标，结束本方法；否则，将k的值加1，将当前目标状态集中样本加入初始的粒子集中，形成集合 P表示当前目标状态集中样本的数目，然后从 抽样生成粒子集 继续转步骤3执行。
2.根据权利要求1所述的无线电干扰源测向定位方法，其特征在于，所述的步骤2中，历史数据为当前测量时刻的前N+1次测量的移动监测车的位置坐标及波达角，生成的初始粒子集 中的第i个样本 的状态值 为：
其中， 和 分别为历史数据中第i次测量的移动监测车的位置坐标和波达角，和 分别为历史数据中第i+1次测量的移动监测车的位置坐标和波达角。
3.根据权利要求1所述的无线电干扰源测向定位方法，其特征在于，步骤5中所述的阈值a，设置范围为(0,0.5)。
4.根据权利要求1所述的无线电干扰源测向定位方法，其特征在于，步骤7中所述的K1取值为20，步骤8所述的K2取值为15。