1.一种基于贝叶斯神经网络的固定翼无人机态势预测方法，其特征在于，包括以下步骤：

1)根据敌方固定翼无人机态势信息建立数据库，并构建用于时间序列预测的贝叶斯神经网络；

2)以敌方无人机态势信息为输入，通过网络预测敌方无人机下一时刻态势信息；

3)将网络输出所得的单一时刻预测值作为输入再次预测，构成敌方无人机未来时间段的态势信息，并传回我方无人机；

依据敌方固定翼无人机态势信息建立数据库，包括以下步骤：

1)收集充足的敌方无人机态势信息数据，将收集到的数据信息整理为三维数组形成数据库，第一维是所收集到的敌方无人机态势信息数量，第二维是所收集的每条态势信息数据的时间步长，第三维是输入神经网络的态势信息特征数量；

2)使用双循环和切片操作对收集到的数据进行随机选取并划分训练集和测试集；

所述使用双循环和切片操作对收集的数据进行随机选取并划分训练集和测试集，包括以下步骤：

1)使用双循环对收集到的数据的第一维度和第二维度选取索引；

2)以选取的索引作为切片的起始端，向后进行切片，通过循环操作，选取数量足够且每段数据长度相同的数据段；

3)将通过切片收集到的数据段进行整理，构成三维数组作为数据集，第一维表示收集到的数据段的总数，第二维表示每段数据段的时间步长，第三维表示敌方无人机的态势信息特征数量；

4)将收集到的数据集打乱顺序后，选取数据集第一维大小的75％至90％作为训练集，其余部分作为测试集；

5)对于数据集中训练集和测试集的每一条数据段，使用切片操作将第二维的前一半切出作为数据值，剩余部分作为标签，此时共获得四份子数据集，分别是用于训练的输入数据集、与训练集相对应的标签数据集、用于测试的输入数据集和与测试集相对应的标签数据集，这四份子数据集第三维含有6个元素，是无人机每秒的态势特征信息，记为其中， 分别为无人机在x,y,z方向上的单位时间位置增量，为无人机单位时间速度增量， 分别为无人机单位时间偏航角增量和俯仰角增量；

所述构建用于时间序列的贝叶斯神经网络，包括以下步骤：

1)建立具有贝叶斯特性的神经网络层，该神经网络层定义了每个节点的权重和偏置都是在正态分布中采样得到的随机变量，该神经网络层中权重的均值和方差都是的二维矩阵且第一维大小是输入特征数量，第二维大小是输出特征数量，偏置的权重和方差是形状为输出特征大小的一维矩阵；

2)根据上述定义的具有贝叶斯特性的神经网络层构建贝叶斯神经网络，该贝叶斯神经网络使用变分推断中的证据下界作为损失函数，并规定在前向传播方法中计算具有贝叶斯特性的神经网络层中对数先验分布、对数后验分布与对数似然，并定义该网络损失函数的计算方式为对数后验分布减对数先验分布减对数似然；

3)使用上述网络在训练集上进行训练，并保存训练后的网络模型结构及参数；

所述以敌方无人机态势信息为输入，通过网络预测敌方下一时刻的态势信息，包括以下步骤：

1)将我方无人机实时收集到的敌方无人机态势信息整理为符合输入网络的数组，记为Sb；

2)将Sb输入已完成训练的贝叶斯神经网络中，网络输出得到敌方无人机下一时刻的态势信息；

所述将单一时刻预测值作为输入再次预测，构成敌方无人机未来时间段的态势信息，包括以下步骤：

1)将单一时刻的敌方无人机态势信息整理为与二维数组Sb后两维形状相同的一维数组Sh；

2)将一维数组ST0按照第一维的顺序拼接到二维数组Sb最末端构成的二维数组SX，按照第一维的顺序裁剪的二维数组SX的起始端一维数组S，形成新的二维数组ST1；

3)通过循环将得到的二维数组ST1输入贝叶斯神经网络得到敌方无人机下一时刻的态势信息，并循环上述步骤2)中操作得到二维数组ST2；

4)循环上述的1)‑3)得到敌方无人机未来时段的态势信息数据ST，该态势信息数据ST全部由贝叶斯神经网络所预测的单一时刻敌方无人机态势数据组成；

5)将敌方未来时段的态势信息数据传回我方无人机，己方无人机利用该态势信息，在空战中抢占有利态势。