1.一种基于卡尔曼滤波的机动目标状态预测优化方法，其特征在于，包括如下步骤：步骤1，设定目标的当前运动状态；

步骤2，设定目标的线性随机系统参数，计算其状态向量和量测向量；

xk+1＝Fkxk+Γkwk，zk＝Hkxk+vk

其中，xk是k时刻的系统状态向量，Fk是k时刻系统状态转移矩阵，wk是k时刻过程演化噪声，Γk是k时刻噪声矩阵，Hk是k时刻量测矩阵，vk是k时刻量测噪声，xk+1是k+1时刻的系统状态向量，zk是k时刻对系统状态的量测向量，k是时间指标，取值为任意整数；

步骤3，计算卡尔曼滤波中的估计值；

(3a)通过下式分别计算卡尔曼滤波中的一步提前预测值 和预测误差协方差阵Pk/k‑1：

k‑1

其中，Z 表示0时刻到k‑1时刻的系统量测序列； 是k‑1时刻的系统状态估计值，其在0时刻设定为 Fk‑1是k‑1时刻的系统状态转移矩阵， 是k‑1时刻的系统状态转移矩阵的转置，Pk‑1/k‑1是k‑1时刻的估计误差协方差，其在0时刻设定为P0/0， 是k‑1时刻的一步预测误差，其在0时刻设定为 Γk‑1是k‑1时刻的噪声矩阵， 是k‑1时刻的噪声矩阵的转置，Qk‑1是k‑1时刻过程噪声的协方差；

(3b)计算k时刻的卡尔曼增益阵Kk：其中， 表示k时刻的量测矩阵的转置；Rk表示k时刻量测噪声的协方差矩阵；

(3c)获取新的量测值zk后，通过下式分别计算卡尔曼滤波更新值 和相应的滤波误差的协方差阵Pk/k：

k

其中，Z表示0时刻到k时刻的系统量测序列； 表示k时刻的滤波误差；

步骤4，在卡尔曼滤波估计中，计算系统状态误差的量测误差和预测误差，具体步骤如下：

(4a)计算系统的量测误差 为：其中， 表示k‑1时刻的一步预测误差；

(4b)计算卡尔曼滤波中k时刻的一步预测误差其中， 是k时刻的误差系统状态转移矩阵， Kk是k时刻的卡尔曼增益矩阵；

(4c)根据步骤(4a)和(4b)的结果，分别计算误差的一步提前预测值 和预测误差协方差阵Ptemp：

其中， 是0时刻到k‑1时刻系统量测向量误差的序列， 是k‑1时刻的误差模型状态转移矩阵， 是k‑2时刻的一步预测误差， 是k‑1时刻的误差模型状态转移矩阵转置， 是k‑2时刻的一步预测误差的误差协方差阵，其在0时刻设定为P0/0；Fk‑1表示k‑1时刻的系统状态转移矩阵； 表示k‑1时刻的系统状态转移矩阵转置；Kk‑1是k‑1时刻的卡尔曼增益矩阵，Rk‑1是k‑1时刻的量测噪声的协方差矩阵， 是k‑1时刻的卡尔曼增益矩阵的转置；Γk‑1表示k‑1时刻的噪声矩阵； 表示k‑1时刻的噪声矩阵转置；Qk‑1表示k‑1时刻过程演化噪声的协方差矩阵；

(4d)计算k时刻的误差增益矩阵Mk：其中， 是k时刻的量测矩阵转置，Rk是k时刻的量测噪声的协方差矩阵；

(4e)根据步骤(4c)和(4d)的结果，分别计算一步预测误差估计值 及其误差协方差阵

其中， 是0时刻到k时刻系统量测向量误差的序列；

步骤5，根据步骤(4e)的结果，对步骤3中卡尔曼滤波的一步提前预测值 进行修正，得到修正后的系统状态预测值

步骤6，令k＝k+1，重复执行步骤3到步骤5进行下一步预测，直到达到设定步数，结束预测。

2.根据权利要求1中所述的方法，其中步骤(4b)中计算卡尔曼滤波中k时刻的一步预测误差 通过如下公式计算：

将步骤2中设置的参数带入上式，得到：其中，设定预测误差的状态转移矩阵为 k‑1时刻的一步预测误差其在0时刻设定为 k时刻的卡尔曼增益矩阵Kk，其在0时刻设定为K0。