1.一种雷达盲区空情智能预警方法，其特征在于：所述雷达盲区空情智能预警方法依托的测量装置包括：核心电路板(4)、激光测距仪(10)；所述测量装置(9)的左端、底端和右端分别设有显示屏(2)、夹板(8)、激光测距仪(10)，自紧螺丝(7)与夹板(8)上的螺孔连接，通过拧紧两端螺丝使自紧螺丝(7)与望远镜中轴(1)夹紧；按键板(3)和扩展板(5)安装于测量装置(9)内部前端和底端；电源板(6)安装于测量装置(9)后端；望远镜目镜(12)与望远镜物镜(13)安装于望远镜中轴(1)两侧；

所述雷达盲区空情智能预警方法，其特征在于：所述方法包括以下步骤：

步骤一：打开扩展板(5)上电源开关，将望远镜物镜(13)对准测量目标，当在望远镜物镜(13)中观测到目标时，打开按键板(3)上录取按键，开始对目标方位角、俯仰角与距离的信号采集；

步骤二：观察员通过望远镜目镜(12)与望远镜物镜(13)捕捉目标，核心电路板(4)中2

MCU通过I C接口配置相关寄存器直接获取三轴磁力计、三轴加速度计与陀螺仪的数据，并将数据融合得到目标方位角与俯仰角，通过核心电路板(4)中的GPS、气压计、温湿度传感器获取测量装置自身的方位信息，激光测距仪(10)发射并检测激光，信号传输到核心电路板(4)中的MCU，解算出目标与测量装置(9)的实际距离，将获取的数据实时显示在显示屏(2)上，辅助观察员录取目标机型、架数等信息，激光测距仪(10)选取目标飞行轨迹中任意两位置点A1和A2，通过计时器获得到A1点的脉冲往返时间△t1和A2点的脉冲往返时间△t2式中，loA1、loA2为发射点O与第一次测量位置A1和第二次测量位置A2间的直线距离，n为标准大气条件下传输介质对激光的平均折射率，c为真空光速，△t1为脉冲从原点到达A1位置后返回发射点的时间，△t2为脉冲从原点到A2位置后返回发射点的时间；

将目标平均速度近似为瞬时速度，解算目标的速度v：

式中，v为目标速度，△θ为目标从A1点到A2点与测量装置之间方位角变化值，△t为目标从A1点到A2点运动时间；

步骤三：对测量装置(9)获取的目标姿态测量信号进行滤波，采用基于引力算法智能优化的SSUPF算法，分别对目标相对测量装置的方位角、俯仰角和距离的测量数据进行校准，建立目标位置姿态解算模型解算目标位置姿态；目标姿态测量信号滤波算法和建立目标位置姿态解算模型如下：step 1.初始化：分别从目标方位角、俯仰角和距离的先验概率密度p(x0)中采样一组粒子，作为算法的初始粒子集 粒子集X0中包括N个粒子，i

每个粒子 均包含一组目标与测量装置相对位置 的数据，θ为获取的目标与观测点之间第i个测量的方位角数据， 为获取的目标与观测点之间测量的第i个俯仰角数i据，l为目标与观测点之间测量的第i个距离数据，初始化状态均值 与方差式中， 为初始粒子集方差，i表示粒子的序数，K＝0表示初始的粒子集序数， 为初始化粒子集的第i个粒子， 为粒子的状态均值；

step 2.权值采样：

1)利用SSUKF算法更新每个粒子集的时间及测量数据，得到状态估计均值 与协方差从SSUKF算法的运算结果 中获取N个粒子，k为算法运行时间k＝1,2,…,T；

2)重要性采样，根据SSUKF滤波结果构造分布函数：

式中， 为构造分布函数k时刻的采样粒子状态， 为粒子在k时刻的状态估计均值，为粒子i在k‑1时刻采样状态，zk为k时刻粒子的观测值， 为系统滤波后k时刻方差，为SSUKF运行的结果；

3)计算权值，相邻时刻权重的递推公式如下：

式中， 为k时刻粒子集的粒子权值估计， 为k‑1时粒子集的粒子权值， 为采样粒子i在k时刻的采样值， 为k‑1时刻粒子i预测值 发生条件下k时刻观测值zk出现的概率， 为根据SSUKF滤波结果构造的分布函数， 为归一化后的粒子权值；

step 3.根据引力算法选择最优的粒子集实现重采样：

1)计算粒子i和全局最优值之间的吸引力f：

式中，fmax为最大吸引力,设置引力系数g,rik为粒子i与k时刻全局最优值gbest k之间的距离；

2)根据引力更新粒子位置：

式中， 为序号为i的粒子在k时刻的状态值，f为粒子和全局最优值之间的吸引力，gbest k为k时刻的全局最优值，d为距离因子，d越低局部寻优能力越强,收敛速度越低，rand为[0,1]上服从均匀分布的随机数，粒子通过与全局最优值比较提高粒子群的全局寻优能力并降低粒子滤波的运算复杂度；

3)计算并对比粒子的引力，更新全局最优值：

式中I为修正后的引力值，abs(θp‑θ0)为预测坐标与观测坐标差值的绝对值，为目标预测坐标值， 为目标最新观测坐标值，为k时刻粒子集中引力最大的一组粒子，选取为全局最优值；

4)设置迭代终止阈值ε,当引力函数值大于ε时,算法停止迭代,否则继续迭代至最大迭代次数；当算法符合设定的阈值ε时,说明粒子已经分布在真实值附近，或者达到最大迭代次数时停止优化，否则转入step 2；

5)这些粒子不是从预测密度中采样的，不服从贝叶斯分布，通过重要性采样将新的粒子集合引入而不破坏原始分布；对于每个粒子进行寻优，为补偿粒子分布不均匀性，对粒子权重添加校正项；更新同时对权重进行补偿使优化前后的粒子集服从同一分布：式中， 为k时刻的粒子i，z1:k‑1为1～k‑1时刻的观测数据， 为分布密度函数， 为矫正粒子集服从贝叶斯分布的重采样， 为重要性函数，补偿后粒子服从同一分布；

6)状态更新，归一化粒子权重

step 4.输出改进SSUPF对目标状态估计

步骤四：通过智能观测仪器稳定记录目标角度数据及距离、结合观测点自权利要求书身位置姿态信息，建立目标空间姿态和位置测量模型。

2.根据权利要求1所述的一种雷达盲区空情智能预警方法，其特征在于：采用的数据融合计算方法如下：通过天线板(11)接收装置GPS坐标，通过核心电路板(4)的气压计与温湿度计解算装置所在位置精确海拔高度，并将数据上传至后端，后端通过结合测量装置自身位置与目标相对测量装置的方位，最终获取目标实际位置。