1.一种自适应目标船舶轨迹预测与锁定方法，其特征在于，包括：S1，对目标历史轨迹进行去除错误数据以及冗余数据的数据过滤的数据预处理，得到自适应轨迹预测的输入数据，所述去除错误数据以及冗余数据的数据过滤的数据，包括，S111，计算得到相邻数据差Δε，将相邻数据差值Δε与预设的数据差第一临界阈值ε1和第二临界阈值ε2进行比较；

S112，若Δε＞ε1，则继续判断Δε和第二临界阈值ε2的大小，否则该数据被认为冗余数据；

S113，若Δε＜ε2，则被认定为正确数据，否则该数据被判定为错误数据；

S114，过滤后得到7行n列数据矩阵

S2，基于载体模型参数预设影响轨迹预测准确度的参数，其中，预设影响轨迹预测准确度的参数包括，用于判断预测值是否正确的误差范围、用于划分训练集和验证集的超前量、滞后量，以及，用于判断回归方程是否准确的学习阈值；并基于回归方程预测准确率的变化幅度，得到各参数对预测结果置信度的影响程度，其中，将历史轨迹数据按照超前量和滞后量的比例，划分为训练集和验证集，误差范围 其中width为目标在屏幕坐标系中矩形框的宽，即验证集中的位置与预测的目标位置差小于e则判定预测值正确；

S3，对输入数据进行多阶高斯过程回归，并进行最优回归选择，从而获取最优回归方程以及输出置信度，具体包括：S31，基于高斯过程回归的多阶轨迹方程计算，S311，使用高斯过程回归作为底层回归算法计算预测方程；

S312，对目标的6D位姿变化进行预测，回归方程S32，自适应轨迹决策；

S321，将验证集每一条数据(x，y)依次带入回归方程f1(x)中，计算出预测值y*；

S322，将y*与y值作比较，若其差的绝对值小于误差范围ε，则预测值正确；

S323，计算回归方程f1(x)验证集的命中率β，计算公式为：β＝a/n，其中a为该回归方程预测准确的次数，n为验证集大小；

S324，重复上述步骤分别计算f2(x)～f6(x)的命中率β；

S325，选取命中率β最高的回归方程作为最优回归方程，即轨迹预测回归方程；

S326，比较命中率β与学习阈值τ，若β＞τ，则该回归方程可以较好进行轨迹预测；否则，代表回归方程不能较好的进行轨迹预测，重新回归计算新的回归方程；

S33，轨迹预测输出置信度与回归方程；

S4，基于载体和目标的追击模型，结合最优回归方程，锁定目标位置。

2.如权利要求1所述的轨迹预测与锁定方法，其特征在于，步骤S1中的数据预处理还包括数据转换：S121，从矩阵P1中提出特征矩阵

S122，基于每一个Pi就其对目标锁定的影响程度预设权重Wi；

S123，(Wi，Pi)键值对作为自适应轨迹预测的输入数据。

3.如权利要求1所述的轨迹预测与锁定方法，其特征在于，步骤S4具体包括：S41，获取最优回归方程和置信度；

S42，建立数学追击模型；

S43，与最优回归方程结合求得转动角速度w。

4.如权利要求3所述的轨迹预测与锁定方法，其特征在于，步骤S43具体包括，计算载体

2 n

转动的角速度w，将载体运动公式θ＝θ0+wt与最优回归方程公式θ＝a0+a1t+a2t+…ant 结合，其中，w为载体转动的水平轴或竖直轴角速度，θ0为角位置初始位置，将在t时刻θ角位置准确追击到目标，获得光电水平角Y与光电俯仰角P。