1.一种多普勒穿墙雷达目标跟踪定位方法，其特征在于，包括以下步骤：S1.获取雷达回波信号并进行解调，得到解调后的雷达回波信号；

S2.对步骤S1得到的雷达回波信号进行处理，判断回波数据状态，得到多普勒频率无模糊状态数据，再构建输入矢量；

S3.构建STFT初始预测模型和NGRC初始误差预测模型；

S4.使用步骤S2得到的多普勒频率无模糊状态数据对步骤S3得到的STFT初始预测模型进行训练，得到STFT预测模型；

S5.使用步骤S4得到的STFT预测模型，计算得到误差矢量数据；

S6.使用步骤S5得到的误差矢量数据对步骤S3得到的NGRC初始误差预测模型进行训练，得到NGRC误差预测模型；

S7.使用步骤S4得到的STFT预测模型与步骤S6得到的NGRC误差预测模型，对目标多普勒频率模糊状态数据进行预测，完成穿墙雷达目标跟踪定位。

2.根据权利要求1所述的多普勒穿墙雷达目标跟踪定位方法，其特征在于，步骤S1具体为：使用多普勒穿墙雷达发射载频频率为f1和f2的信号，通过雷达接收器Rxj获得雷达回波信号，j∈{1,2,3}；

所述解调后的雷达回波信号使用以下算式表示：

其中，h为目标回波分量的衰减因子；v(t)为目标与雷达之间的瞬时径向速度；φi为回波分量的相位常数；fdi为与载波频率fi相对应的目标的多普勒频率；C为光速；p为载波频点数；ai为目标表面散射系数；j为虚数单位。

3.根据权利要求2所述的多普勒穿墙雷达目标跟踪定位方法，其特征在于，步骤S2具体为：首先对步骤S1得到的雷达回波信号进行短时傅里叶变换处理，使用以下算式表示：其中，Rij(t+τ)为雷达接收机Rxj处对应载频率fi在(t+τ)时刻的回波信号；STFT_Rij(t,f)为对应回波信号的时频分布；h(τ)为窗函数；τ为时延；提取时频分布中各时刻的能量峰值对应的频率作为目标瞬时频率的粗估计，使用以下算式表示：其中，STFT_fij(t,f)为雷达接收机Rxj处对应载频fi的目标瞬时频率；

对每个时间步t处的需要识别目标数量进行计数，并将检测周期内的最大目标数量值作为估计值，使用以下算式表示：l(n)＝l(n·Δt)＝max[l1(n·Δt),l2(n·Δt)]其中，lj(n·Δt),j＝1,2是雷达接收机Rxj处的每个时间步长n·Δt的时频分布峰值数目；Δt为采样间隔；L为目标数量估计值；若时频分布峰值数目lj(n·Δt),j＝1,2都等于目标数量估计值L，则该处步长的回波数据处于多普勒频率无模糊状态，否则回波数据处于多普勒频率模糊状态；

三维输入矢量使用以下算式表示：

其中，x,y,z为三维输入矢量； 为目标在雷达接收机Rx1处对应频率f1的多普勒频率估计值； 为目标在雷达接收机Rx1处对应频率f2的多普勒频率估计值； 为目标在雷达接收机Rx2处对应频率f1的多普勒频率估计值；STFT为采用STFT频率估计方法。

4.根据权利要求3所述的多普勒穿墙雷达目标跟踪定位方法，其特征在于，步骤S3中，STFT初始预测模型包括特征向量提取模块与多普勒频率预测模块；

特征向量提取模块将输入的三维输入矢量X处理得到总特征向量，具体为：线性特征向量○lin,n由当前时间步和前k‑1个时间步输入的3k个采样观测值组成，使用如下算式计算：其中，X(n)为输入矢量X在当前时间步n的值； 为矢量堆叠运算；

非线性特征向量○nonlin是线性特征向量○lin,n的二次非线性函数，通过以下算式计算：其中，算子 先计算○lin,n所有元素的外积pout，再对由pout组成的矢量中唯一的单项式进行收集，pout使用以下算式计算：2

其中， 为计算所有元素的外积；pout为具有(3k)个元素的对称矩阵；○nonlin为对称矩阵pout的(3k)(3k+1)/2个上三角元素；

总特征向量○total,n为常数、线性特征向量○lin,n和非线性特征向量○nonlin的线性组合，使用以下算式表示：其中，c为常数；

多普勒频率预测模块利用输入的总特征向量，完成多普勒频率预测，使用如下算式表示：Y＝Wout·○total,n

其中，Wout为待学习的线性映射权重；Y为STFT初始预测模型的输出。

5.根据权利要求4所述的多普勒穿墙雷达目标跟踪定位方法，其特征在于，步骤S4具体为：当目标在时间步n进入模糊状态，则n+1时间步STFT初始预测模型的输出表示为：Yn+1＝Wout·○total,n+1

使用Tikhonov正则化，将STFT初始预测模型的输出Y与所期望的输出Yd匹配，则线性映射权重Wout使用以下算式得到：T T ‑1

Wout＝Yd○total,n(○total,n○total,n+αI)其中，α为正则化参数；I为单位矩阵；按照上述步骤使用无模糊数据对STFT初始预测模型进行训练，得到STFT预测模型。

6.根据权利要求5所述的多普勒穿墙雷达目标跟踪定位方法，其特征在于，步骤S5具体为：若目标在时间步n＝i处进入模糊状态，则STFT初始预测模型的训练阶段中最后一次线性映射权重更新发生在时间步i‑1处，使用Wout(i‑1)表示；使用Wout(i‑1)通过STFT预测模型来预测总时间步i开始的模糊状态中半个窗口的数据，得到的预测结果表示为Xp1(n),n＝i,i+1,...,i+window/2‑1，Xp1(n)为STFT预测模型在时间步n＝i,i+1,...,i+window/2‑1的预测结果；

再使用线性映射权重Wout(i‑window‑1)通过STFT预测模型对时间步i‑window到时间步i+window/2‑1进行预测，得到的预测结果表示为Xp2(n),n＝i‑window,...,i‑1,i,i+1,...,i+window/2‑1；取Xp2(n)中当n＝i‑window,i‑window+1,...,i‑1时的数据，计算其与输入向量X(n)之间的误差矢量ΔXp2(n)：ΔXp2(n)＝Xp2(n)‑X(n)

得到的误差矢量作为误差矢量数据。

7.根据权利要求6所述的多普勒穿墙雷达目标跟踪定位方法，其特征在于，步骤S7具体为：使用NGRC误差预测模型对预测模糊区域Xp2(n)进行误差预测，得到预测误差ΔX'p2(n)，用于补偿模糊区域中Xp2(n)的预测输出，使用以下算式表示：X'p2(n)＝Xp2(n)+ΔX'p2(n)

其中，n＝i,i+1,...,i+window‑1；X'p2(n)为模糊区域中Xp2(n)修正后的预测输出；

对当前模糊区间进行校正处理后的多普勒频率使用以下算式表示：Xp(c,n)＝c·X'p2(n)+(1‑c)·Xp1(n)其中，c为频率校正因子；调整校正因子c使所估计目标能量最大限度在基带聚集，则估计目标的瞬时频率为：其中，为最优校正因子，取值区间为[0,1]；将得到的目标的瞬时频率 作为输入到STFT预测模型中更新当前窗口的线性映射权重Wout(i+window/2‑1)，再按照以上步骤对下一个区间进行预测，直到模糊区域被遍历，得到全预测时段的目标瞬时多普勒频率；

目标位置的估计以瞬时多普勒频率的积分形式使用以下算式表示：其中，R为目标与穿墙雷达的距离；θEL为目标相对穿墙雷达位置的仰角；

θAZ为目标相对穿墙雷达位置的方位角； 为雷达接收机Rxj处对应载波频率fi的目标多普勒频率；φθEL为仰角θEL的初始相位；φθAZ为方位角θAZ的初始相位；φR为距离R的初始相位；λ1为载波频率f1的波长；Δf为载波频率f1、f2之差；b为天线间隔；C为光速。