1.一种基于阿尔法贝塔滤波器的雷达目标跟踪系统扰动目标滤波方法，其特征在于，包括以下步骤：

11)雷达目标跟踪系统的设定，对雷达目标跟踪系统进行预设定；

12)建立虚拟噪声模型，拟合虚拟噪声，用虚拟噪声代替扰动和雷达目标跟踪系统的动态噪声；

13)估值计算，将虚拟噪声的方差通过建立函数方程的方法求解出对应估算；

14)自校正阿尔法贝塔滤波器的滤波，将虚拟噪声的方差替换自阿尔法贝塔滤波器动态噪声的方差，生成自校正阿尔法贝塔滤波器，通过自校正阿尔法贝塔滤波器进行雷达目标跟踪系统扰动目标的滤波处理。

2.根据权利要求1所述的一种基于阿尔法贝塔滤波器的雷达目标跟踪系统扰动目标滤波方法，其特征在于，所述雷达目标跟踪系统的设定包括以下步骤：

21)设定雷达目标跟踪系统表达式，其表达式如下：x1(t+1)＝x1(t)+Tx2(t)，x2(t+1)＝ρx2(t)+w(t)，其中，T表示采样周期，x1(t)和x2(t)分别表示t时刻目标的运动目标的位置和速度，ρ表示目标在t时刻和t+1时刻的速度之间的加速度率，w(t)表示系统噪声；

22)设向量X(t)＝[x1(t),x2(t)]T，则有，

23)定义

24)设定雷达目标跟踪系统的观测方程表达式，其表达式如下：y(t)＝[1 0]X(t)+v(t)，其中，y(t)是雷达对于目标位置的观测信号，观测信号的误差用噪声形式表示为v(t)。

3.根据权利要求1所述的一种基于阿尔法贝塔滤波器的雷达目标跟踪系统扰动目标滤波方法，其特征在于，所述建立虚拟噪声模型包括以下步骤：

31)假设w(t)和v(t)是零均值、方差各为 和 的独立的高斯白噪声，ρ为加速度率，设ρ是一个围绕某个值ρ0变化的变量，表示为ρ＝ρ0+m(t)，m(t)＝n0sin(kt)，

其中，ρ0为常数，m(t)为随时间变化的扰动变量，将m(t)设为一个正弦函数，n0和k为常数；

32)雷达目标跟踪子系统扰动表示为

其中系数阵分别记作：

33)设虚拟噪声如下：

ξ(t)＝m(t)x(t)+w(t)，其中，虚拟噪声ξ(t)为一随机序列，即将系统噪声w(t)和m(t)x(t)的和作为一个虚拟噪声；

34)根据雷达目标跟踪子系统扰动方程和观测方程，通过矩阵的求逆和转化过程可得，y(t)＝H(In-q-1Φe)-1q-1ξ(t)+v(t)，其中，q-1为延迟因子；

H(In-q-1Φe)-1q-1＝A-1(q-1)B(q-1)；

其中，A(q-1)和B(q-1)都是多项式，具有形式X(q-1)＝1+x1q-1+x2q-2+...+xnq-n；

y(t)公式转化为：

A(q-1)y(t)＝B(q-1)ξ(t)+A(q-1)v(t)；

35)引入r(t)将已知的观测y(t)转化为多项式序列的形式，其形式如下：r(t)＝A(q-1)y(t)。

4.根据权利要求1所述的一种基于阿尔法贝塔滤波器的雷达目标跟踪系统扰动目标滤波方法，其特征在于，所述估值计算包括以下步骤：

41)r(t)函数递归形式的转化，其转化形式如下：具有一致性，则有：

42)求解R(k)的值，

由A(q-1)y(t)的计算公式，在两边求解相关函数，则可得方程组通过该方程组可以求得 的估值

5.根据权利要求1所述的一种基于阿尔法贝塔滤波器的雷达目标跟踪系统扰动目标滤波方法，其特征在于，所述自校正阿尔法贝塔滤波器的滤波包括以下步骤：

51)将该方差替换动态噪声w(t)的方差带入至α-β滤波器，即将虚拟噪声替代真实噪声带入到稳态kalman滤波公式中，其表示如下：Ψf＝(I2-KfH)Φ，

则可求得自校正α-β滤波器；

52)自校正α-β滤波器获取雷达目标跟踪系统扰动目标，对其进行滤波处理。