1.一种于灰关联分析的多站联合雷达盲区预警方法，其特征在于：所述多站联合雷达盲区预警方法包括以下步骤：第一步，数据获取与处理，获取各观测站测量轨迹数据，数据来源于观察员手持设备实时跟踪目标，记录并上传设备获取的目标方位角θTg×op×t与俯仰角 信息以及观察员获取的目标机型信息，此处轨迹数据若完整性和有效性校验通过则继续下一步；若数据不完整或者数据校验不通过，则取消关联状态，关闭关联功能；

第二步，时间对准，将测量数据统一到测量周期最长观测站获取的目标轨迹数据时标，采用插值法将不同时间观测数据统一到同一时间序列；

第三步，空间对准，在多观测站融合系统中，不同观测站有不同坐标系，需要统一坐标系，将数据转换至全球统一的大地坐标系，同时将本装置测量的目标方位角与俯仰角信息转换为直角坐标；

第四步，轨迹相关判定，多观测站数据经过时间和空间对准，统一参考坐标系，目标方位信息序列的时标相同，判断不同观测站测量轨迹是否关联，并针对多观测站信息融合采用多维分配思想，将各观测站测量航迹之间关联度构建为多维灰色关联度矩阵，此矩阵多维分配问题的解便是观测站测量航迹之间的关联结果，构建全局统计量对整体数据集进行全面统计分析；

所述轨迹相关判定、将各观测站测量航迹之间关联度构建为多维灰色关联度矩阵和构建全局统计量对整体数据集进行全面统计分析方法如下：设观测站目标轨迹信息为：

式中， 为观测站1测得目标i1的点迹指标序列， 为观测站2测得目标i2的点迹指标序列， 观测站测得目标ia的点迹指标序列，Nm为目标特征指标数，m为目标特征指标数序号，i1为观测站1测得的目标批号，i2为观测站2测得的目标批号，na为观测站测得的目标总数，kt为观测系统时刻，轨迹相近度不仅与每个时刻点迹位移差有关，还与轨迹变化趋势即目标速度以及加速度特性有关；

采用区间值化对航迹各维度信息标准化处理，区间值化公式为：i

式中，X(kt,m)为观测站测量参考数列 为观测站测量参考数列中指标在kt时刻的最小值， 为观测站测量参考数列中指标m在kt时刻的最大值，为标准化后的航迹信息，iop为观测站序号为op测量得到的目标批号，nop为观测站序号为op测量得到的目标总数；

(0) (1)

kt时刻两观测站测量轨迹i与测量轨迹j在x方向距离差值dxij 、速度差值dxij 以及(2)加速度差值dxij 公式表示为：

(0) (1)

式中，dxij 为测量轨迹i与测量轨迹j在x方向距离差值，dxij 为测量轨迹i与测量轨(2)迹j在x方向速度差值，dxij 为测量轨迹i与测量轨迹j在x方向加速度差值；

(0)

测量轨迹i与测量轨迹j在y方向距离差值dyij 、测量轨迹i与测量轨迹j速度差值dyij(1) (2)以及加速度差值dyij 公式表示为：

(0) (1)

式中，dyij 为测量轨迹i与测量轨迹j在y方向距离差值，dyij 为测量轨迹i与测量轨(2)迹j在y方向速度差值，dyij 为测量轨迹i与测量轨迹j在y方向加速度差值；

(0) (1)

测量轨迹i与测量轨迹j在z方向距离差值dzij 、速度差值dzij 以及加速度差值dzij(2)公式表示为：

(0) (1)

式中，dzij 为测量轨迹i与测量轨迹j在z方向距离差值，dzij 为测量轨迹i与测量轨(2)迹j在z方向速度差值，dzij 为测量轨迹i与测量轨迹j在z方向加速度差值，x1i(kt)为观测站1在kt时刻获取的目标i在x轴方向区间值化后的坐标信息，y1i(kt)为观测站1在kt时刻获取的目标i在y轴方向区间值化后的坐标信息，z1i(kt)为观测站1在kt时刻获取的目标i在z轴方向区间值化后的坐标信息，xaj(kt)为观测站a在kt时刻获取的目标在x轴方向区间值化后的坐标信息，yaj(kt)为观测站a在kt时刻获取的目标在y轴方向区间值化后的坐标信息，(0)zaj(kt)为观测站a在kt时刻获取的目标在z轴方向区间值化后的坐标信息，dxij 为x方向轨(1) (2)迹点距离差值，dxij 为x方向目标速度差值，dxij 为x方向目标加速度差值，由于速度差值是通过距离得到，加速度差值由速度信息得到，其权重值应当递减；

观测站1的第i个测量轨迹与观测站a的第j个测量轨迹的x轴方向关联度为：式中， 为观测站1的第i个测量轨迹与观测站a的第j个测量轨迹的x轴方向关联度，α0为距离对应差值的权重，α1为速度对应差值的权重，α2为加速度对应差值的权重；

y轴方向关联度为：

式中， 为观测站1的第i个测量轨迹与观测站a的第j个测量轨迹的y轴方向关联度；

z轴方向关联度为：

式中， 为观测站1的第i个测量轨迹与观测站a的第j个测量轨迹的z轴方向关联度；

目标在航向方面的关联度为：

(0) (1)

式中，dθij 为测量轨迹i与测量轨迹j在航向方面差值，dθij 为测量轨迹i与测量轨迹(2)j在航向角速度方面差值，dθij 为测量轨迹i与测量轨迹j在航向角加速度方面差值；

设置参考目标i与待处理目标j之间在kt时刻机型方面的关联度为 参考目标i与待处理目标j之间架数方面的关联度 为：式中， 为观测站1测得目标批号i的架数， 为观测站a测得目标批号j的架数，为目标i与目标j之间架数较大值， 为目标i与目标j之间架数较小值；

提高新数据权重，采用时间序列模糊加权法在每个时刻数据前乘上测量可信度因子调整各时刻测量数据权重，可信度因子为：式中， 为kt时刻测量轨迹数据的可信度因子，g为误差因子，一般取0

当测量距离增加时应适当降低位置信息权重，采用基于距离因素的critic权重法将误差转换为各时刻的权重，当前系统时间序列为kt时刻，有x,y,z三个方向上的距离数据作为评价指标，则构成量测距离误差矩阵表示为：x y

式中，d (1)为初始时刻目标与观测站在x轴方向距离，d (1)为初始时刻目标与观测站z x在y轴方向距离，d (1)为初始时刻目标与观测站在z轴方向距离，d (kt)为kt时刻目标与观y z测站x轴方向距离，d (kt)为kt时刻目标与观测站y轴方向距离，d (kt)为kt时刻目标与观测x站z轴方向的距离，l11＝d(1)代表距离误差矩阵第一行第一列；

距离因素误差属于逆向指标，标准化处理距离数据为：式中，l'fb为归一化后距离数据，max(lb)为矩阵中第b列最大值，min(lb)为矩阵中第b列最小值；

求解标准化后距离数据标准差db，表示指标之间对比性，数据标准差公式为：式中，db为标准化后距离数据标准差， 为第b项指标均值；

指标冲突性为：

式中，Rb表示指标b与其他指标矛盾系数，rfb表示评价指标f和b之间相关系数，采用皮尔逊相关系数，第b个指标信息承载量为：Cb＝dbRb

式中，Cb为第b个指标信息承载量；

第b个指标客观权重为：

式中，wb为第b个指标客观权重；

每个时刻三个方向评估分值为：

式中，Sf为每个时刻三个方向评估分值；

归一化评估分值Sf,各时刻序贯权重S'f表示为：式中：S'f为各时刻序贯权重；

结合专家雷达盲区空情数据评估经验，给出各项指标权重为：β＝[β1,β2,β3,β4,β5,β6]式中，β1代表机型信息权重，β2代表架数信息权重，β3代表航向信息权重，β4表示x方向位置信息权重，β5表示y方向的位置信息权重，β6表示z方向的位置信息权重；

两航迹之间动态序贯灰色关联度为：

u

式中，δ为u时刻目标测量数据可信度，βo为根据专家经验得到各项指标权重，为f时刻轨迹iN与轨迹jM在指标o方面关联度；

灰关联矩阵表示为:

依据最大灰色关联度原则选择相应航迹关联对，设置最低灰色关联度门限λ，灰色关联度低于门限的航迹对不相关，在所有高于门限λ的航迹对中确定相关航迹对为：式中：R′为相关航迹对矩阵， 为大于灰色关联度门限的相关航迹对，λ为最低灰色关联度门限；

判定方法为，在灰关联矩阵中寻找值最大的元素，若值最大的元素在第i0行第j0列，则xi0与j0为航迹关联对，为简化算法，将R的第i0行与第j0列所有元素设为0，若矩阵中元素不全为0，则继续寻找值最大的元素，否则航迹相关判定结束；

构建全局统计量为：

式中，iop为观测站op对目标i的观测值， mink minm 为k时刻op‑1观测站与op观测站对目标i测量值的三级最小差, maxk maxm 为k时刻op‑1观测站与op观测站对目标i测量值的三级最大差， 为两观测站对目标i观测值差的绝对值；

为判断相应轨迹之间是否关联，定义二进制变量为：式中， 为目标之间关联结果，H0为轨迹关联，H1为轨迹不相关；

将a个观测站共有区间目标轨迹关联问题转换为多维分配问题多维分配公式表示为：上述公式的约束条件如下：

式中， 为取数组最小值；

第五步，轨迹融合，当轨迹相关时，将相关轨迹测量数据融合为一条更准确轨迹。