1.基于贝叶斯估计的水下目标追踪方法，其特征在于：该方法包括以下步骤：
步骤1，在水下探测区域，随机部署n个传感器节点，以构建水声传感网络，所述n个传感器节点分别标记为1,2...,n，节点间通过水声通信方式进行信息交互,并根据与周围传感器节点的距离确定邻居集合；
步骤2，根据水下传感器节点的监测信息，设计单节点贝叶斯估计策略，用以判断目标是否存在，如果判定目标存在则进行步骤3，继续根据水下传感器节点的监测信息直到确认探测目标存在；
步骤3，在单节点贝叶斯估计基础上，设计一致性贝叶斯估计策略的先验概率及后验概率，以提高目标追踪精度，其中任一传感器节点i在k-1时刻与邻居传感器交互目标位置的后验概率，并进行加权平均，把所得目标位置的一致性概率作为传感器节点i在k时刻对目标位置的先验概率，进而结合传感器节点i在k时刻对目标的观测值，可得出传感器节点i在k时刻对目标位置的后验概率；
步骤4，根据任一传感器节点i在k时刻对目标位置的概率信息，通过对目标可能存在位置的概率信息分析，构建目标存在位置的相对熵，用以描述不同传感器节点对目标存在位置估测概率的准确性，若得到的相对熵处于所要求精度范围之内，则进行步骤5；否则返回步骤3，对目标可能存在位置概率进行重新取样计算；
步骤5，计算出不同传感器节点对水下目标估计位置的相对熵后，通过最优化寻找相对熵最小时所对应的位置空间点，该点即为当前目标最有可能存在的位置；构建最优化公式，进而可实现对目标的准确追踪。
2.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法，其特征在于：在步骤2中，所述单节点贝叶斯估计策略，就是设定判断目标存在与否的临界值P，将传感器节点i在k时刻对目标位置的后验概率 与临界值P进行比较，其中 的构建内容
如下：
式中 为传感器节点i在k时刻对目标位置的后验概率； 为传感器节点i在1到k时刻对目标位置的观测值；Xk为k时刻目标可能存在的位置； 为传感器节点i在1到k-
1时刻对目标位置的历史观测； 为k时刻传感器节点i对目标位置的观测值； 为k时刻传感器节点i在观测 下对目标位置Xk的似然函数； 为传感器节点i在历史观测 下对目标位置Xk的先验概率； 为归一化因子，其作用是确保
对Xk求和的结果等于1。
3.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法，其特征在于：在步骤2中，所述用以判断目标是否存在，是指采用如下规则对目标存在性进行判断：
(2)式中P为判断目标存在与否的临界值，通过将上述对于目标位置的概率结果与P的比较，如果大于临界值P则表示目标处于探测区域内，可以对目标进行追踪，否则表示在探测区域内不存在目标。
4.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法，其特征在于：在步骤3中，所述设计一致性贝叶斯估计策略的先验概率及后验概率，其设计步骤如下：在初始k＝0时刻，传感器节点i对目标位置的先验概率估计服从均匀分布；从k≥1时刻开始，传感器节点i对目标位置的先验概率，可通过邻居节点k-1时刻对目标存在位置的后验概率与传感器节点i在k-1时刻的后验概率取加权平均值。在得到传感器节点i的先验概率后，结合当前时刻的观测值可得到传感器节点i在时刻k对目标存在位置的后验概率。
5.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法，其特征在于：在步骤4中，所述构建目标存在位置的相对熵，其构建模型公式为：
Di(Pi(xk|Zk)||Xk)＝Pi(xk|Zk)(log(Pi(xk|Zk)-log(Pi(xk|Z1:k-1))   (3)其中，Pi(xk)表示k时刻传感器节点i对目标存在位置的后验概率；Pi(xk|Z1:k-1)表示传感器节点i在历史观测 下对目标位置Xk的先验概率；Di(Pi(xk)||Xk)表示传感器节点i在k时刻对水下目标存在的位置的后验概率与先验概率的相对熵；Xk为目标在k时刻可能存在的所有位置集合；xk为Xk中的任一元素。
6.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法，其特征在于：在步骤5中，所述构建最优化公式为：
(4)式中：L(X)表示在k时刻探测区域内传感器节点对目标可能存在位置的后验概率；Pi(xk)表示k时刻传感器节点i对目标存在位置的后验概率；Xk为在k时刻对探测区域内目标所有存在位置的估计。