1.一种抗噪梯度神经网络求解动态信号源跟踪的方法，其特征在于，包括如下步骤：S1、设定动态信号源跟踪问题，基于所设定的动态信号跟踪问题，根据实际应用场景采集信号源数据；

S2、基于S1所采集的信号源数据建立数学模型，并将所建立的数学模型转化为动态线性矩阵方程；

S3、构建梯度神经网络模型，并通过梯度下降法对动态信号源的状态进行估计，初步优化信号跟踪精度,具体包括如下步骤：S31、基于传统的梯度神经网络，对动态线性矩阵方程构建误差函数；

S32、沿着所构建的误差函数的负梯度方向最小化得到梯度下降的梯度神经网络；

S33、带入所构建的动态线性矩阵方程并展开，得到初步优化的动态信号源的状态信息,初步优化的动态信号源的状态信息表示为：式中， 为初步优化的动态信号源的状态信息，Q(t)为t时刻的输出矩阵，P(t)为t时刻的信号传播矩阵，X(t)为t时刻的状态矩阵，T为矩阵转置，α为用作控制梯度神经网络收敛的系数；

S4、在所构建的梯度神经网络模型的基础上，引入速度补偿机制和抗噪机制进行模型优化，对所设定的动态信号源跟踪问题进行求解，并输出优化后的动态信号源状态信息，其中，速度补偿机制表示为：是Q(t)的导数矩阵， 是P(t)的导数矩阵，α为用作控制梯度神经网络收敛的系数；

抗噪机制表示为：

式中，N(t)为噪声，Π(·)为激活函数，l为代替时间t作为积分变量， 是Q(t)的导数矩阵， 是P(t)的导数矩阵，α为用作控制梯度神经网络收敛的系数。

2.根据权利要求1所述的抗噪梯度神经网络求解动态信号源跟踪的方法，其特征在于，所述S2的数学模型表示为：其中，θi为动态信号源对第i个传感器的输入角度；(xi,yi)为第i个传感器的位置坐标，(x,y)为动态信号源的位置，T为矩阵转置，然后建立相关的动态线性矩阵方程表示为：Q(t)＝P(t)X(t)；

式中，Q(t)为t时刻的输出矩阵，且：

P(t)为t时刻的信号传播矩阵，且：

X(t)为t时刻的状态矩阵，且：

T

X(t)＝[x y]。

3.根据权利要求1所述的抗噪梯度神经网络求解动态信号源跟踪的方法，其特征在于，所述S31中误差函数表示为：式中，Θ(t)为t时刻的误差函数， 为二范数计算，Q(t)为t时刻的输出矩阵，P(t)为t时刻的信号传播矩阵，X(t)为t时刻的状态矩阵。