1.一种应用于光电传感网络中的事件触发异步状态估计方法，其特征在于，包括如下步骤：步骤A、异步传感器网络中传感器数目为N，在(tk‑1，tk]时间段内共有Nk个量测值，建立目标状态估计的非线性动态模型，设定初值，得到该模型的目标状态变化方程、量测方程和融合中心的累积量测值集合步骤B、建立事件触发机制，在相应事件触发后，控制各传感器与融合中心间的信息交互过程；

步骤C、在所述步骤A的动态模型中引入事件触发机制，各传感器通过事件触发机制判断是否将完整量测值发送至融合中心，若不发送则由融合中心产生虚拟量测值，利用贝叶斯估计得到融合中心在k时刻的目标状态预测估计值 及其估计误差Pk|k‑1、量测值步骤D、综合所有量测值以增广形式Zk表示，令Zk＝Hkx(tk)+ηk，计算量测噪声ηk与过程噪声w(tk，tk‑1)的协方差 得到：在事件触发机制下的异步传感器网络信息融合问题中，过程噪声与量测噪声相关；其中， 按相应量测时刻即量测值序号l由小到大排列，传感器序号i由小到大排列得到 Nk为(tk‑1，tk]时间段内的量测值数量， 表示传感器i在时刻量测得到的第l个量测值相应的量测矩阵， 表示状态转移矩阵的逆矩阵；

步骤E、基于所述步骤D的结论，利用修正Kalman滤波算法，得到融合中心最终在k时刻关于目标状态xk的估计值 及其估计方差Pk|k， 即为异步光电传感网络检测到的目标的状态，具体的：融合中心最终在k时刻关于目标状态xk的最终估计值为：估计方差为：

其中， 为量测

噪声ηk的方差；

步骤F、重复所述步骤C至E，计算下一时刻的目标状态的估计值及其估计方差，下一时刻的目标状态的估计值即为异步光电传感网络检测到的下一时刻目标的状态。

2.根据权利要求1所述的一种应用于光电传感网络中的事件触发异步状态估计方法，其特征在于，所述步骤A中目标状态变化方程为：x(tk)＝Φ(tk，tk‑1)x(tk‑1)+w(tk，tk‑1)其中，x(tk)表示目标在tk时刻的状态，x(tk‑1)表示目标在tk‑1时刻的状态，Φ(tk，tk‑1)表示状态转移矩阵，w(tk，tk‑1)表示过程噪声，为零均值高斯白噪声，方差为Q(tk，tk‑1)；

所述量测方程为：

其中， 表示传感器i在时刻 量测得到的第l个量测值，i

表示相应的量测矩阵， 表示零均值高斯量测噪声，方差为R ；

所述融合中心在k时刻及以前得到的累积量测值集合为：其中， 表示融合中心在(tk‑1，tk]时间段内得到的量测值集合。

3.根据权利要求2所述的一种应用于光电传感网络中的事件触发异步状态估计方法，其特征在于，所述过程噪声w(tk，tk‑1)、量测噪声 初值x(0)相互独立。

4.根据权利要求2所述的一种应用于光电传感网络中的事件触发异步状态估计方法，其特征在于，所述步骤B中事件触发机制为：其中，事件触发机制参数 为融合中心在k‑1i

时刻状态估计值； 表示 时刻的量测值 是否发送至融合中心，δ表示门限因子；

其中，

表示矩阵 的迹，Q为过程噪声的方差；

若 传感器i发送量测值 至融合中心，若 融合中心生成虚拟量测值其中，

其中， 表示与 w(tk，tk‑1)互不相关且在区域 内均匀分布的随机变量。

5.根据权利要求4所述的一种应用于光电传感网络中的事件触发异步状态估计方法，其特征在于，所述步骤C中融合中心在k时刻的目标状态预测估计值为：估计误差为：

T

Pk|k‑1＝Φ(tk，tk‑1)Pk‑1|k‑1Φ(tk，tk‑1)+Q(tk，tk‑1)其中，融合中心在k‑1时刻状态估计值为 相应的估计方差为Pk‑1|k‑1；

在时间段(tk‑1，tk]内，融合中心收到关于传感器i在 时刻的量测值统一为：其中，