1.一种基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述方法包括以下步骤：

步骤1)把移动目标的速度分为L个不同的等级，无线传感器网络分为m个不同的簇，传感器节点分为n个不同的采样速率，选择移动目标的状态变量，所述状态变量为位置、速度或加速度，建立n个采样速率下移动目标跟踪的状态空间模型；

步骤2)簇头节点收集其簇内节点的量测信息，根据当前采样速率下状态空间模型，应用扩展卡尔曼滤波方法得到移动目标的局部估计，并把局部估计结果以及其剩余能量信息发送到融合中心；

步骤3)针对低采样速率的簇，在其局部估计缺失的时刻点上，融合中心通过对上一时刻的状态估计值进行预测，把所有局部估计结果同步到同一时刻点；

步骤4)融合中心根据各局部估计的误差协方差矩阵，在线确定CI融合方法中的融合参数，应用CI融合估计方法，得到移动目标的融合估计结果，所述融合估计结果包括运动速度估计值；

步骤5)融合中心根据移动目标的运动速度估计值以及各簇头节点的能量信息，若移动目标的运动速度估计值低于相应的阈值，将降低能量最低簇节点的采样速率；反之，若移动目标的运动速度估计值高于相应的阈值，将加快能量最高簇节点的采样速率；并把采样速率调整结果发送给各簇头节点；

步骤6)若簇头节点收到采样速率调整信息，将调整簇内节点的采样速率，并切换到相应采样速率下的状态空间模型，否则，各簇节点按原采样速率进行采样和状态估计。

2.如权利要求1所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述步骤1)中，根据系统的节能要求和跟踪精度要求确定L、m和n的取值，其中，L＝m×n+1，L个速度等级对应L-1个速度阈值Vc,c＝1,…,L-1且Vc-1＜Vc。

3.如权利要求2所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述步骤1)中，所述状态变量为二维或三维参数。

4.如权利要求2所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述步骤1)中，各采样速率下的状态空间模型存储在簇头节点中，通过指针数组M[n]指向各状态空间模型，即M[j],j＝1,…,n指向采样速率j下的状态空间模型。

5.如权利要求1～4之一所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述步骤2)中，所述的量测信息为传感器节点与移动目标的距离、移动目标的加速度和运动姿态。

6.如权利要求1～4之一所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：在步骤3)中，若下一时刻该局部估计结果继续缺失，将对当前时刻得到的预测值进行再次预测，以得到下一时刻的状态估计值。

7.如权利要求1～4之一所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：在步骤4)中，所述的融合参数ωi通过各簇局部估计的误差协方差矩阵的迹在线确定，即 其中，tr(Pi,k|k)、tr(Pl,k|k)为簇i、l的局部估计的误差协方差矩阵的迹，Pi,k|k、Pl,k|k为当前时刻k簇i、l的局部估计的误差协方差矩阵， αi、αl为加权系数，且与预测次数成反比，

8.如权利要求1～4之一所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：在步骤5)中，当移动目标速度低于阈值VL-1时，能量最低簇节点的采样速率降低1倍，当移动目标速度低于阈值VL-2时，尚未降低采样速率且能量最低簇节点的采样速率降低

1倍，当移动目标速度低于阈值VL-m-2时，m个簇节点都已降低1倍采样速率，能量最低簇节点的采样速率降低2倍，以此类推，当移动目标速度低于阈值V1时，所有节点的采样速率降低n倍；反之，增加能量最高簇节点的采样速率。

9.如权利要求8所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：在步骤5)中，所述量测信息为距离信息时，根据当前时刻的位置估计值和上一时刻的位置估计值，推算出移动目标速度。