1.一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，包括以下几个步骤：步骤一：建立UAV进行单机动目标跟踪时的学生t分布跳变马尔可夫模型，该模型包括系统状态转移方程xk＝f(xk‑1,rk)+wk‑1(rk)和传感器观测方程zk＝h(xk)+vk，其中下标k代表数据来源第k个离散采样时刻，zk为观测量，xk为目标状态变量，f(·)和h(·)分别为目标的系统函数和UAV的传感器观测函数，rk为模型变量；

用p(·)代表概率密度函数，Std(·)为学生t分布函数符号，过程噪声wk‑1(rk)和观测噪声vk分别服从学生t分布，即p(wk‑1(rk))＝Std(wk|0,Qk‑1(rk),υw)和p(vk)＝Std(vk|0,Rk,υv)，其中Qk‑1(rk)和Rk分别为过程噪声和观测噪声的尺度化矩阵，υw和υv分别为过程噪声和观测噪声的自由度参数；认为任意第r个子模型的状态的k时刻模型先验概率密度函数和k时刻模型后验概率密度函数p(xk|z1:k)＝Std(xk|r

mk,Pk,υ)均为学生t分布函数，其中 和mk、 和Pk、υ和υ分别为各自学生t分布的均值、尺度化矩阵和自由度参数；

步骤二：计算各个目标动力学子模型间的混合概率，它代表k‑1时刻子模型为模型r而k时刻为模型s的概率，可按下式计算：其中πrs表征在k‑1时刻到k时刻由模型r切换为模型s的概率， 为第r个子模型在k时刻的模型先验概率， 为一个归一化常量；

基于学生t分布进行交互，计算混合的学生t分布 的均值 尺度化

0s

矩阵 和自由度参数υ 分别如下：

0s r

υ ＝υ         (4)步骤三：对交互后的服从学生t分布的系统状态进行预测，计算学生t分布中均值的预测值 尺度化矩阵的预测值 和自由度参数的预测值s

υ，具体如下：

s 0s

υ＝υ       (7)

步骤四：对服从学生t分布的系统状态进行量测更新，具体包含如下子步骤：

4.1计算第s个子模型的边缘化观测似然函数 的均值 自相关尺度化矩阵 和互相关尺度化矩阵 具体为：

4.2计算滤波增益 和自由度参数 即其中，d为观测量zk的维数；

4.3计算第s个子模型所对应的模型后验概率密度函数p(xk|rk＝s,z1:k)的均值 和尺度化矩阵 具体为：

4.4用矩信息匹配法优化均值 和尺度化矩阵 得到新的均值 和尺度化矩阵 具体为：

步骤五：基于学生t分布更新子模型的模型后验概率 如下：其中，似然函数 的求取可通过计算第s个子模型的边缘化观测似然函s

数p(zk|z1:k‑1)得到，即只需计算 这一标准学生t分布概率密度函数；

步骤六：利用更新的模型后验概率 与步骤四中的均值 和尺度化矩阵 融合各个子模型的鲁棒估计结果并进行输出，可以得到k时刻融合的均值mk和尺度化矩阵Pk如下：步骤七：回到步骤二重新依次执行，直至目标跟踪结束。