1.一种基于时空相关性的心脏表面目标点运动预测方法，其特征在于，包括以下步骤：(1)、建立并初始化线性预测模型GLM

(1.1)、建立GLM模型：利用心脏表面目标点p的N个历史测量值和M个辅助点建立L＝M+N+1阶的GLM模型，用方程表示为：其中， 为三维列向量，表示心脏表面目标点p在k时刻的三维空间坐标预测值；Q(k-

1)是3×L维的模型设计矩阵，可表示为：它是由心脏表面目标点p在k时刻之前的N个历史测量值：p(k-N),p(k-N+1),...,p(k-

1)和M个辅助点点在k-1时刻的测量值h1(k-1),h2(k-1),...,hM(k-1)，以及一个元素全为1的三维列向量组成；w(k-1)是k-1时刻的模型参数，是由L个权值系数组成的列向量；

(1.2)、初始化GLM模型：令k＝1，将k＝1之前的N个历史测量值和0时刻的M个辅助点测量值都初始化为0向量，即：p(1-N)＝p(2-N)＝…＝p(0)＝0h1(0)＝h2(0)＝…＝hM(0)＝0并将0时刻的模型参数初始化为0向量，即w(0)＝0，将方差矩阵初始化为V(0)＝

10000IL×L，其中IL×L表示L×L维的单位矩阵；

(2)、判断k时刻心脏表面目标点p是否测量成功，若测量系统提供测量值，则测量成功，获得该时刻心脏表面目标点p的测量值p(k)，然后执行步骤(3)；反之测量失败，则执行步骤(4)；

(3)、更新GLM模型参数

基于迭代最小二乘滤波(RLS)原理，利用当前获取的心脏表面目标点p的测量值p(k)，更新模型参数w(k)及其方差矩阵V(k)，待更新完毕后，跳入步骤(5)；

(4)、基于当前GLM模型获得心脏表面目标点p的预测值，具体如下：用预测值代替测量值，即令p(k)＝p(k)，然后执行步骤(5)；

(5)、更新GLM模型设计矩阵

利用当前时刻的心脏表面目标点p的测量值p(k)和M个辅助点的测量值h1(k-1),h2(k-

1),...,hM(k-1)更新模型设计矩阵，得到(6)、当前时刻值k加1，即：k＝k+1，再返回步骤(2)，进入下一时刻k+1的处理流程。

2.根据权利要求1所述的基于时空相关性的心脏表面目标点运动预测方法，其特征在于，所述的步骤(2)中，更新模型参数w(k)及其方差矩阵V(k)的具体方法为：(2.1)、计算模型当前的预测误差和计算增益矩阵：预测误差：

增益矩阵：K＝V(k-1)QT(k-1)[λI3×3+Q(k-1)V(k-1)QT(k-1)]其中，λ为遗忘因子，I3×3代表3×3维的单位矩阵；

(2.2)、利用预测误差和增益矩阵更新模型参数及其方差矩阵模型参数：w(k)＝w(k-1)+K·e方差矩阵：V(k)＝λ-1V(k-1)-λ-1KQ(k-1)V(k-1)。