1.一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法，其特征在于，一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法，具体是按照以下步骤进行的：
步骤一、建立惯性参考坐标系，并在惯性参考坐标系中建立目标机动运动的状态方程，即匀速转弯模型和机动目标当前统计模型，构成目标运动模型库；
步骤二、中心模型采用步骤一中的机动目标当前统计模型，左转弯模型和右转弯模型采用步骤一中的匀速转弯模型；
步骤三、基于步骤一中的惯性参考坐标系确定目标跟踪系统测量模型；
步骤四、将步骤二中的左转弯模型、中心模型和右转弯模型分别作为状态方程与步骤三中的目标跟踪系统测量模型相结合，采用离散型推广卡尔曼滤波进行计算，并根据计算结果对左转弯模型和右转弯模型的网格中心和网格距离重新调整，然后进行状态估计和误差协方差矩阵融合。
2.根据权利要求1所述一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法，其特征在于，所述步骤一中建立惯性参考坐标系，并在惯性参考坐标系中建立目标机动运动的状态方程，即匀速转弯模型和机动目标当前统计模型，构成目标运动模型库；具体过程为：
建立惯性参考坐标系中临近空间目标运动状态向量取为：
式中，
Xk为k时刻的临近空间目标运动状态向量,k为正整数；
xk为k时刻的目标位置在惯性参考坐标系x轴中的分量；
yk为k时刻的目标位置在惯性参考坐标系y轴中的分量；
zk为k时刻的目标位置在惯性参考坐标系z轴中的分量；
为k时刻的目标速度在惯性参考坐标系x轴中的分量；
为k时刻的目标速度在惯性参考坐标系y轴中的分量；
为k时刻的目标速度在惯性参考坐标系z轴中的分量；
为k时刻的目标加速度在惯性参考坐标系x轴中的分量；
为k时刻的目标加速度在惯性参考坐标系y轴中的分量；
为k时刻的目标加速度在惯性参考坐标系z轴中的分量；
匀速转弯模型的离散化动态方程为：
Xk＝FCTXk-1+Gwk-1 (2)
式中，
Xk为k时刻的临近空间目标运动状态向量,k为正整数；
ω为转弯速率，当向左转弯时取ω>0，向右转弯时取ω<0，ω＝0时模型以常值速度运动；
CT为匀速转弯模型；
Δt为采样周期，取值范围为0.1s～0.5s；
wk-1为k-1时刻的状态噪声向量；
Xk-1为k-1时刻的临近空间目标运动状态向量；
G为状态噪声向量转移矩阵；
ACT为单通道匀速转弯模型状态转移矩阵；
FCT为匀速转弯模型状态向量转移矩阵；
03×3为3×3零矩阵；
机动目标当前统计模型的离散化动态方程为：
式中，
Xk为k时刻的临近空间目标运动状态向量,k为正整数；
λ为机动时间常数的倒数，即机动频率，取值范围为：转弯机动λ＝1/60，逃避机动λ＝1/20，大气扰动λ＝1；
CS为机动目标当前统计模型；
e为指数函数；
ACS为单通道当前统计模型状态转移矩阵；
△t为采样周期，取值范围为0.1s～0.5s；
FCS为当前统计模型状态转移矩阵；
B为机动加速度当前均值转移矩阵；
wk-1为k-1时刻的状态噪声向量；
Xk-1为k-1时刻的临近空间目标运动状态向量；
为机动加速度“当前”均值，在每一个采样周期内设定为常数。
3.根据权利要求2所述一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法，其特征在于，所述步骤二中的中心模型采用步骤一中的机动目标当前统计模型，左转弯模型和右转弯模型采用步骤一中的匀速转弯模型；具体过程为：
2
(1)机动目标当前统计模型速度误差小于2m/s，最大加速度参数±amax设置为±40m/
2
s；
(2)左转弯模型和右转弯模型采用匀速转弯模型
左转弯模型和右转弯模型采用匀速转弯模型，左转弯模型转弯速率为 右转弯模型转弯速率为 其中， 且 的取值为-0.098rad/s， 的取值
为0rad/s； 且 的取值为0rad/s， 的取值为0.098rad/s；
为左转弯模型转弯速率的最小值； 为左转弯模型转弯速率的最大值； 为右转弯模型转弯速率的最小值； 为右转弯模型转弯速率的最大值。
4.根据权利要求1所述一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法，其特征在于，所述步骤三中基于步骤一中的惯性参考坐标系确定目标跟踪系统测量模型；具体过程为：
定义方位角为β，高低角为α，方位角会受到量测方位角噪声vβ的污染，高低角会受到量测高低角噪声vα的污染，vβ和vα均是零均值高斯白噪声，标准差分别为σβ和σα；
方位角和高低角对于相对位置矢量的非线性函数为：
式中，
x为惯性参考坐标系x轴坐标；
z为惯性参考坐标系z轴坐标；
vα为量测高低角噪声；
vβ为量测方位角噪声；
r为观察站到目标S位置的距离，距离测量方程为：
式中，y为惯性参考坐标系y轴坐标；；
vr为距离测量噪声，是零均值高斯白噪声，标准差为σr；
则目标跟踪系统测量模型方程为：
式中，
Zk为k时刻的测量向量；
αk为α在k时刻的值；
βk为β在k时刻的值；
rk为r在k时刻的值；
vα,k为vα在k时刻的值；
vβ,k为vβ在k时刻的值；
vr,k为vr在k时刻的值；
h(Xk)为测量函数在k时刻的值，
5.根据权利要求4所述一种跟踪临近空间高超声速目标的修正变结构网格交互多模型滤波方法，其特征在于，所述步骤四中将步骤二中的左转弯模型、中心模型和右转弯模型分别作为状态方程与步骤三中的目标跟踪系统测量模型相结合，采用离散型推广卡尔曼滤波进行计算，并根据计算结果对左转弯模型和右转弯模型的网格中心和网格距离重新调整，然后进行状态估计和误差协方差矩阵融合；具体过程为：
以 作为k时刻的系统模型集，经过输入交互及预测估计，求得各模型
的似然函数 j＝L,C,R，有
式中，
j＝L,C,R， 为左转弯模型、中心模型和右转弯模型的新息；
为左转弯模型、中心模型和右转弯模型的状态一步预报估计；
为左转弯模型、中心模型和右转弯模型的测量函数一步预报值；
为左转弯模型、中心模型和右转弯模型的新息协方差矩阵；
Zk为k时刻的测量向量；
上标T为转置运算；
L为左转弯模型；
C为中心模型；
R为右转弯模型；
代表以 为变量，均值为0，方差为 的高斯分布函数；
k时刻的左转弯模型、中心模型和右转弯模型的交互式多模型后验概率μCTL,k、μCS,k和μCTR,k的计算公式为：
式中，μCTL,k为k时刻的左转弯模型的交互式多模型后验概率，k为正整数；
μCS,k为k时刻的中心模型的交互式多模型后验概率；
μCTR,k为k时刻的右转弯模型的交互式多模型后验概率；
pij为从模型i向模型j转换的概率，i＝L,C,R，j＝L,C,R；i为模型i，j为模型j；
μCTL,k-1为k-1时刻的左转弯模型的交互式多模型后验概率；
μCS,k-1为k-1时刻的中心模型的交互式多模型后验概率；
μCTR,k-1为k-1时刻的右转弯模型的交互式多模型后验概率；
cCTL为左转弯模型的归一化常数；
cCS为中心模型的归一化常数；
cCTR为右转弯模型的归一化常数；
L为左转弯模型；
C为中心模型；
cCTL、cCS和cCTR分别定义为：
L为左转弯模型；
C为中心模型；
采用离散型推广卡尔曼滤波，离散型推广卡尔曼滤波算法中模型转换方法如下：
(a)若右转弯模型的后验概率μCTR>t2，其中的t2＝0.9为探测重要模式的阈值,则目标发生了向右的机动，将当前右转弯模型转弯速率向右扩大0.025rad/s，即其中， 和 分别代表k时刻和k-1时刻的右转弯模型的转弯速
率；
若左转弯模型的后验概率μCTL>t2，则目标发生了向左的机动，将当前左转弯模型转弯速率 向左扩大0.025rad/s,即 其中， 和 分别代表k时刻和
k-1时刻的左转弯模型的转弯速率；
(b)当左转弯模型和右转弯模型的后验概率都小于探测模式的阈值t1时，t1＝0.1，即μCTL定义有向图Dk是由点与点之间的连线组成的一种数据结构，即
Dk＝(V(Dk),E(Dk))
式中，V(Dk)是非空的顶点集合，E(Dk)为不与V(Dk)相交的边集合，并具有方向性，在有向图Dk中，若从顶点U到顶点V之间有路径，则称U和V是连通的；
设目标机动转弯速率ω在连续范围[-ωmax,ωmax]内变化，针对时变支撑的有向图Dk的交互式多模型算法，网格值 k＝0,1,…N,N为正整数，
为机动目标当前统计中心模型的转弯速率，-ωmax的取值为-0.098rad/s，ωmax的取值为
0.098rad/s，
模型集合 即包含左转弯模型、机动目标当前统计中心模型、右转弯
模型转弯速率集合；
状态集合
式中， 为k时刻左转弯模型、中心模型、右转弯模型构成的的运动状态向量集合；
XL,k为左转弯模型估计出来的k时刻状态，XC,k为中心模型估计出来的k时刻状态，XR,k为右转弯模型估计出来的k时刻状态；
设定误差协方差矩阵集合为
式中， 为k时刻左转弯模型、中心模型、右转弯模型的状态估计误差协方差矩阵构成的集合，PL,k为左转弯模型k时刻状态误差协方差矩阵，PR,k为右转弯模型k时刻状态误差协方差矩阵，PC,k为中心模型k时刻状态误差协方差矩阵；
模式转换概率矩阵PLCR为：
式中，pLL为左转弯模型继续保持的概率；
pLC为由左转弯模型转化为中心模型的概率；
pLR为由左转弯模型转换为右转弯模型的概率；
pCL为由中心模型转化为左转弯模型的概率；
pCC为中心模型继续保持的概率；
pCR为由中心模型转化为右转弯模型的概率；
pRL为由右转弯模型转化为左转弯模型的概率；
pRC为由右转弯模型转化为中心模型的概率；
pRR为右转弯模型继续保持的概率；
修正变结构交互多模型滤波算法以粗网格：
式中，D0为初始时刻修正变结构交互多模型滤波算法左转弯模型、机动目标当前统计中心模型、右转弯模型的转弯速率集合；
为初始时刻修正变结构交互多模型滤波算法左转弯模型的转弯速率；
ωmax为初始时刻模型转弯速率最大值；
为初始时刻修正变结构交互多模型滤波算法机动目标当前统计中心模型的转弯速率；
为初始时刻修正变结构交互多模型滤波算法右转弯模型的转弯速率；
在每一个循环时间步(k→k+1)网格按照如下四步进行调整：
(1)左转弯模型、中心模型，以及右转弯模型，均采用离散型推广卡尔曼滤波：
式中， 为从k-1时刻第k时刻的状态一步预报值；
F为子模型状态转移矩阵；
B为机动加速度均值转移矩阵；
为k-1时刻机动加速度均值，在每一个采样周期内设定为常数；
T
F为子模型状态转移矩阵的转置矩阵；
h为系统量测函数；
上标T为转置矩阵符号；
Hk为根据测量方程计算出来的Jacobi矩阵的转置矩阵；
为第k-1步的状态估计值；
Pk|k-1为 的状态预报误差协方差矩阵；
Pk-1为 的状态估计误差协方差矩阵；
Qk-1为状态噪声协方差矩阵；
为第k步的状态估计值；
Kk为卡尔曼滤波增益矩阵；
Zk为第k步的测量向量；
为根据测量方程计算出来的测量向量的一步预报值；
Pk为 的状态估计误差协方差矩阵；
I为单位矩阵；
Rk为测量噪声协方差矩阵；
(2)对左转弯模型和右转弯模型的网格中心和网格距离重新调整：
网格中心调整按照下式计算：
式中， 和 分别为k时刻和k-1时刻的中心模型转弯速率；
μCTL,k为k时刻左转弯模型的后验概率；
μCS,k为k时刻中心模型的后验概率；
μCTR,k为k时刻右转弯模型的后验概率；
为k-1时刻左转弯模型转弯速率；
为k-1时刻右转弯模型转弯速率；
左转弯模型和右转弯模型网格距离重新调整分为三种情况：
(a)没有跳跃
k时刻中心模型的后验概率最大，即μCS,k＝max{μCTL,k,μCS,k,μCTR,k}，式中，
t1＝0.1为探测模式的阈值；
δω为模型分离距离0.025rad/s；
为k时刻左转弯模型的转弯速率；
为k时刻右转弯模型的转弯速率；
为k时刻中心模型的转弯速率；
λL,k为k时刻左转弯模型分离距离最大值；
λR,k为k时刻右转弯模型分离距离最大值；
(b)向左跳变
k时刻左转弯模型的后验概率最大，即μCTL,k＝max{μCTL,k,μCS,k,μCTR,k}，式中，t2＝0.9为探测重要模式的阈值；
(c)向右跳变
k时刻右转弯模型的后验概率最大，即μCTR,k＝max{μCTL,k,μCS,k,μCTR,k}，(3)状态估计融合Xk和误差协方差矩阵融合Pk
状态估计融合Xk取作左转弯模型、中心模型，以及右转弯模型的运动状态的融合；
误差协方差矩阵Pk融合取作左转弯模型、中心模型，以及右转弯模型的状态的误差协方差矩阵PL,k、PC,k和PR,k的融合；
式中， 为第k时刻左转弯模型的转弯速率；
为第k时刻中心模型的转弯速率；
为第k时刻右转弯模型的转弯速率；
每一次循环对 的子模型转移矩阵F需重新计算。