1.一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，包括以下步骤：对传感器部署进行建模，所述传感器包括雷达和红外传感器；

构建并引入评分系统，将传感器部署量化为一个高维多峰值的优化问题；

基于传统粒子群算法改进得到降维粒子群算法，对优化问题进行降维和迭代处理，求解全局最优解；

根据全局最优解部署传感器。

2.根据权利要求1所述的一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，所述对传感器部署进行建模包括：在 空间中建模NRa个雷达和NIn个红外传感器对Nt个目标进行跟踪，所述目标的威胁度为 雷达和红外传感器协同探测可获得目标的位置信息。

3.根据权利要求2所述的一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，所述位置信息包括目标与雷达的距离d、目标的方位角θ和俯仰角

4.根据权利要求1所述的一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，所述构建并引入评分系统，将传感器部署量化为一个高维多峰值的优化问题包括：构建出每一类传感器组合对目标跟踪精度影响的评分系统，并综合考虑传感器的测量精度和能耗，再引入评分系统，将传感器对目标i的跟踪精度高低简化为目标i在评分系统中得分Pi的高低，便将应用于目标跟踪的传感器部署量化为了一个高维多峰值的优化问题。

5.根据权利要求4所述的一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，所述构建出每一类传感器组合对目标跟踪精度影响的评分系统，并综合考虑传感器的测量精度和能耗，具体包括：先根据具体的场景和任务需求，构建出每一类传感器组合对目标跟踪精度影响的评分系统，在综合考虑了传感器的测量精度和能耗等性能后，具体评分应满足以下条件：

1)如果目标未被雷达探测到，由于缺乏目标距离信息，传感器无法对目标进行跟踪，评分为负；

2)如果目标被超过Nth个传感器探测到，虽然有高跟踪精度，但使用了过多的传感器，产生了资源浪费，评分低于被Nth个传感器探测的评分；

3)如果目标被同样多的传感器探测到，同时被两类传感器探测到的评分高于只被雷达探测到的评分；

4)如果目标被同类传感器探测到，在传感器数目不超过Nth个的情况下，传感器数目越多，评分越高。

6.根据权利要求1所述的一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，所述基于传统粒子群算法改进得到降维粒子群算法包括：将粒子群算法中的线性惯性权重模型修改为非线性惯性权重模型，所述线性惯性权重模型为：所述非线性惯性权重模型为：

7.根据权利要求1所述的一种应用于目标跟踪的雷达和红外传感器部署方法，其特征在于，所述对优化问题进行降维和迭代处理，求解全局最优解包括：使用传统PSO算法对优化问题进行初次求解：

设定迭代次数阈值为tth，在对3(NRa+NIn)维的粒子寻优过程中，如果经过tth次迭代得到的结果不变，则停止本次粒子群算法；

寻找空闲传感器并对粒子群算法进行降维处理，求解全局最优解：从传感器和目标两方面判断该解是否为全局最优，对于传感器而言，根据探测情况判断是否存在空闲传感器；对于目标而言，判断是否每个目标都达到了最高评分；如果有目标没有达到最高评分且存在m个空闲传感器S＝[x1,y1,z1,...,xm,ym,zm]，则保持其他传感器位置不变，只对空闲传感器在空间中进行寻优，如果经过tth次迭代得到的结果不变，则停止本次粒子群算法，重复上述过程直至没有空闲传感器；

经过降维粒子群算法后，全局搜索能力得到了加强，粒子的维数由3(NRa+NIn)至少降至

3m维。