1.一种飞行器自主避障系统，其特征在于，包括：太阳能供电模块、图像采集模块、障碍信息探测模块、中央控制模块、分析判断模块、指令生成模块、路径规划模块、稳定性分析模块和显示模块；

太阳能供电模块，与中央控制模块连接，用于通过太阳能电池板将太阳能转化为电能为飞行器进行供电；

图像采集模块，与中央控制模块连接，用于通过光学摄像器采集飞行器飞行前方的环境图像；

障碍信息探测模块，与中央控制模块连接，用于通过毫米波雷达对前方可探测距离内的障碍物进行多目标检测，获得障碍物的位置、速度以及方位信息；

中央控制模块，与太阳能供电模块、图像采集模块、障碍信息探测模块、分析判断模块、指令生成模块、路径规划模块、稳定性分析模块、显示模块连接，用于通过中央控制器控制各个模块正常工作；

分析判断模块，与中央控制模块连接，用于通过数据分析程序根据采集的图像、障碍信息进行分析判断障碍物的危险性；

指令生成模块，与中央控制模块连接，用于通过指令生成器根据判断结果生成航线变更指令；

路径规划模块，与中央控制模块连接，用于通过导航系统根据变更指令规划飞行器的飞行路径；

稳定性分析模块，与中央控制模块连接，用于通过分析程序对飞行器的稳定性进行分析；

显示模块，与中央控制模块连接，用于通过显示器显示采集环境图像、障碍信息、飞行路径、稳定性数据；

所述图像采集模块通过光学摄像器采集飞行器飞行前方的环境图像的过程中，采用基于粒子滤波的多目标跟踪算法，用于在多运动目标遮挡重叠的情况下，提高运动目标跟踪成功率，具体包括以下步骤：步骤一，对M个目标开启M个线程，并行跟踪，提高速度；

步骤二，对于每个跟踪目标，在t＝0根据相应的预算法，确定运动目标的范围，在这个范围内根据粒子滤波的算法，初始化粒子样本集： ，将t＝0时刻所有粒子的权值 设为1/N，i＝1，2，…，N；假设目标在t＝0时刻位置在 ；

步骤三，令t＝t+1，算出 ；

根据式 ；

其中 和 为候选目标；

计算巴氏系数ρ，该系数表示跟踪得到的位置与目标的相似度，取G1＝0.85，G2＝0.35；

当ρ≥G1时，表示跟踪正常，执行步骤六；当G2ρ＜G1时，表示发生遮挡，但部分被遮挡，执行步骤四；当ρ≤G2时，表示发生遮挡，大部分被遮挡，执行步骤五；

步骤四，根据分段图像模块进行跟踪，重新得到 返回步骤三重新计算巴氏系数；

步骤六，以 新的位置，重新分配粒子位置，更新得到新的粒子集合新的权值 计算式为

；

式中λ为控制参量，同时根据跟踪目标的远近以巴氏距离设置权重系数，巴氏距离越近权重越高，距离越远权重越低，并对权值进行归一化 ；

步骤七，判断是否处理完视频的全部帧，如果否，进行下一帧图像的处理，执行步骤三；

如果是，执行步骤八；算法结束，释放处理线程；

所述障碍信息探测模块通过毫米波雷达对前方可探测距离内的障碍物进行多目标检测，获得障碍物的位置、速度以及方位信息的过程中，在工作在复杂的探测背景中，回波信号中难以避免掺杂着许多杂波成分，为了消除的杂波成分以虚假目标的形式遗留下来，采用LVQ聚类算法，具体包括以下步骤：步骤一，在真实回波条件下针对特定目标采集的样本数据，其距离、方位、仰角的信息为已知；将样本中这部分已知目标的真、假标签设为真，其他目标的标签全部预设为假；

步骤二，分别从初始标签为真/假的样本集中随机抽取一个用以初始化原型向量 和，并将 和 的簇标签分别设定为真/假；

步骤三，从所有样本中随机抽取一组样本向量 ，计算其与两个原型向量 和 的距离，对于距离值较小的原型向量 ，根据抽取样本 的类别标记yj与 的标签是否一致，分别使用下式：或 ，

对原型向量 进行更新，其中α∈(0，1)是学习率；

步骤四，当满足最大迭代次数或原型向量更新很小或不更新的条件时，输出表征真、假目标点迹特性的原型向量 和 ；

所述分析判断模块通过数据分析程序根据采集的图像、障碍信息进行分析判断障碍物的危险性的过程中，为了根据采集的图像、障碍数据信息快速建立障碍物的危险程度的决策树，为快速确定障碍物危险性提供依据，采用一种基于改进的决策树数据分析判断算法，包括以下具体的步骤：步骤一，建立训练集样本T，T满足停止扩展的条件，则返回；

步骤二，对于离散属性扫描属性列表，更新计数矩阵确定属性的最佳分裂子集；

步骤三，对于连续属性采用等宽直方图方法将属性分为q个区间，建立分区直方图列表；

步骤四，对每个纯区间计算边界处的Gini值；

步骤五，使用TESTCASE算法对区间进行剪枝；

步骤六，判断候选区间内部分割点分割的元组是否相同，删除分割元组相同的候选点；

步骤七，找出整个属性的最佳分裂点；比较各个属性的最佳分裂，选择一个最佳的分裂点将T分为T1和T2；

步骤八，递归地对T1和T2生成决策树；

路径规划模块的规划方法包括：

(1)接收航线变更指令，为所述飞行器生成飞行规划轨迹，所述飞行规划轨迹包括飞行规划路线和飞行规划高度层；

(2)在所述飞行规划高度层中有所述飞行器之外的其他飞行器飞行时，按照预设规则判断所述其他飞行器与所述飞行器是否会相撞；

(3)在判断所述其他飞行器与所述飞行器会相撞时，调整所述飞行规划轨迹，直至按照所述预设规则判断所述其他飞行器与所述飞行器不会相撞；

按照预设规则判断所述其他飞行器与所述飞行器是否会相撞，包括：获取所述其他飞行器的飞行轨迹和飞行速度；

在所述飞行规划轨迹与所述其他飞行器的飞行轨迹有重合区域时，依据所述其他飞行器的飞行轨迹和飞行速度以及所述飞行器的飞行规划轨迹和飞行速度，计算所述其他飞行器和所述飞行器到达所述重合区域的时间点间隔；

在所述时间点间隔小于等于预设时间间隔时，判断所述其他飞行器与所述飞行器会相撞；

调整所述飞行器的飞行规划轨迹，包括：

通过调整所述飞行器在至少所述重合区域处的飞行规划高度层和/或飞行规划路线来调整所述飞行规划轨迹；所述飞行器的调整后的飞行规划高度层位于所述飞行器的下限飞行高度与上限飞行高度之间；

稳定性分析模块的分析方法包括：

1)设置飞行器飞行参数；

2)针对飞行器气动力特性，确定目标精度要求和计算量上限，并在全飞行域范围选取预定数量的初始样本点；

3)在初始样本点x(i)处，对一组给定的运动训练信号序列u(x(i),k)使用CFD计算获得飞行器强迫运动的非定常气动力和力矩系数的时序数列y(x(i),k)，然后以u(x(i),k)和y(x(i),k)为样本数据，构建Kriging代理模型作为初始的目标代理模型；

4)构建参考代理模型，对初始样本点进行评估，以确定当前采样精度；

5)利用试验设计方法生成新的候选采样点；并通过目标代理模型和参考代理模型对所有的候选采样点分别进行计算和评估，以获得各候选采样点加入目标代理模型和参考代理模型后产生的精度变化值；

6)通过自适应采样准则选取精度变化值中符合当前采样精度要求的候选采样点作为下一个加入目标代理模型和参考代理模型的样本点进行训练；

7)重复步骤4)至5)，然后在每次重复时判断当前目标代理模型精度是否达标和计算量是否达到上限，并在满足其中一个条件时退出当前循环，完成当前目标代理模型的采样并以此确定全飞行域非定常气动力代理‑降阶模型的训练样本；

8)用随机抽样方法在全飞行域内生成大量随机分布、充满全飞行域的设计点；对每个设计点，在训练样本中利用Kriging插值获取各设计点的输入输出信号，再利用各输入输出信号形成的离散空间确定非定常气动力降阶模型；

9)将非定常气动力降阶模型转化为连续空间的状态空间方程；将刚体动力方程转化为连续空间下的状态方程；将非定常气动力降阶模型的状态空间方程与刚体动力方程的状态方程进行反馈连接，即得到当前飞行器的耦合动稳定性分析方程；求解耦合动稳定性分析方程的特征矩阵特征根，特征根实部表征系统阻尼，虚部表征系统频率；其中，当所有特征根实部全部为负时，该设计点的飞行器动稳定；当出现正实部的特征根时，该设计点的飞行器动不稳定；

10)通过上述步骤获得每个设计点的飞行器的动稳定性特征后，即可获得飞行器在整个飞行域内的动稳定性特征。