1.一种面向机会阵雷达的似然改进SVGD交互多模型机动目标跟踪方法，其特征在于，包括以下步骤：步骤1，对机动目标跟踪问题进行建模，构建运动模型集；

步骤2，进行输入状态交互：计算各运动模型的混合概率，得到初始混合估计，生成初始混合粒子；

步骤3，判断机会阵雷达的工作模式，进行粒子状态的预测与更新；

步骤4，进行模型概率更新与状态估计融合；

步骤1包括：目标运动的状态方程建模为：

Xk＝FXk‑1+Buk‑1+wk‑1，

其中，Xk和Xk‑1分别为k时刻的目标状态向量和k‑1时刻的目标状态向量；F为状态转移矩阵；B为控制矩阵；uk‑1为k‑1时刻的系统控制量矩阵；wk‑1为k‑1时刻的系统过程噪声；

设定目标在运动过程中无额外输入量，得到：Xk＝FXk‑1+wk‑1；

目标运动的观测方程建模为：

zk＝HXk+vk，

其中，zk为k时刻的观测向量；H为状态观测矩阵；vk为k时刻的系统观测噪声；

步骤2包括：混合概率的表达式为：

其中， 为混合概率；πij表示机动目标模型集中第i个运动模型转移至第j个运动模型的转移概率； 表示在第k‑1轮滤波中，第i个运动模型的更新概率；cj为归一化常数，步骤2中，所述初始混合估计包含混合状态估计与对应的误差协方差矩阵，混合状态估计的表达式为：其中， 表示在第k轮滤波中，第j个运动模型的混合状态估计； 表示在第k‑1轮滤波中，第i个运动模型中得到的目标状态估计；

误差协方差矩阵的表达式为：

其中， 表示在第k轮滤波中，第j个运动模型的混合状态估计对应的误差协方差矩阵； 表示在第k‑1轮滤波中，第i个运动模型的目标状态估计对应的误差协方差矩阵；

采样得到的N个初始混合粒子表示为

步骤3包括：

步骤3‑1，在各运动模型内部，用状态转移方程对初始混合粒子进行预测，得到粒子的预测状态：在第j个运动模型中，第n个粒子的预测状态表达式为：其中， 表示在第k轮滤波中，第j个运动模型下的第n个粒子的预测状态；Fj表示第j个运动模型对应的状态转移矩阵； 表示在第k轮滤波中，第j个运动模型下的第n个初始混合粒子的粒子状态； 表示系统过程噪声；

步骤3‑2，根据机会阵雷达的工作状态决定后续算法的执行：如果此时机会阵雷达处于被动模式，则基于当前的预测粒子和模型概率进行状态融合，并跳转至步骤2；如果此时机会阵雷达处于主动模式，则用获取的观测值计算每个预测粒子的似然度，并进一步计算模型似然度；

在第j个运动模型中，第n个预测粒子的粒子似然度 表达式为：其中，zk表示第k轮滤波中的系统观测值；d为观测向量的维度； 表示在第k轮滤波中，第n个预测粒子的新息； 表示在第k轮滤波中，第j个运动模型的新息协方差；det(·)表示行列式的计算；exp是自然指数函数；T表示矩阵转置；

对模型似然度进行修改：

其中 为第j个运动模型的模型似然度；

步骤3‑3，用模型似然度优化SVGD算法的学习率，并在各运动模型中用SVGD更新各粒子的状态：在第j个运动模型中，基于似然度改进的SVGD学习率表达式为：其中， 表示在第k轮滤波中，第j个运动模型的SVGD学习率；εini表示全局学习率；

表示归一化模型似然度； 为衰减因子，其中，λ为衰减系数， 表示首轮滤波时各模型似然度之和， 表示第k‑k0至第k轮滤波中，各运动模型似然度之和的最大值；

最终得到的自适应优化方法为：用模型总和似然度进行全局学习率的调整，得到整体学习率，随着迭代次数的增加，整体学习率逐渐下降；在每一次迭代内部，基于归一化的模型似然度对整体学习率进行调整，得到各个运动模型的SVGD学习率；

步骤3还包括：在第j个运动模型中，对第n个预测粒子用SVGD更新粒子状态：其中， 表示在第k轮滤波中，第j个运动模型下的第n个粒子的更新状态； 为粒子更新的移动方向，表达式为：其中，N为粒子数，k(·,·)为RBF核函数；p(·)表示目标分布； 表示在第k轮滤波中，第j个运动模型下的第m个粒子的预测状态； 表示在函数logp(·)中，求解在 处关于 各分量的梯度； 表示在函数k(·,x)中，求解在 处关于 各分量的梯度。

2.根据权利要求1所述的方法，其特征在于，步骤4包括：步骤4‑1，根据模型概率转移矩阵和当前的模型概率，计算各运动模型的预测概率，并用模型似然度对预测的模型概率进行归一化处理，实现模型概率的更新；

模型预测概率的计算公式为：

其中， 表示在第k轮滤波中，第j个运动模型的预测概率；

模型概率更新的表达式为：

其中， 表示在第k轮滤波中，第j个运动模型的更新概率； 为模型预测概率；c为归一化常数，

步骤4‑2，计算各运动模型中的目标状态估计和误差协方差矩阵，用更新后的模型概率进行加权融合，得到最终的滤波输出结果；

第j个运动模型的目标状态估计表达式为：

其中， 表示在第k轮滤波中，第j个运动模型得到的目标状态估计； 表示在第k轮滤波中，第j个运动模型下的第n个粒子的更新状态；

误差协方差矩阵的表达式为：

其中， 表示在第k轮滤波中，第j个运动模型的目标状态估计对应的误差协方差矩阵；

在第k轮滤波中，基于似然改进SVGD交互多模型机动目标跟踪算法的输出结果为：其中，Xk表示第k轮滤波得到的目标状态估计。

3.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行如权利要求1至2中任一项所述的方法的步骤。

4.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令在计算机上运行时，执行如权利要求1至2中任一项所述的方法的步骤。