1.一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，包括以下几个步骤：步骤一：建立UAV进行单机动目标跟踪时的学生t分布跳变马尔可夫模型；

步骤二：计算各个目标动力学子模型间的混合概率并基于学生t分布进行交互；

步骤三：对交互后的服从学生t分布的系统状态进行预测；

步骤四：对服从学生t分布的系统状态进行量测更新；

步骤五：基于学生t分布对子模型的模型概率进行更新；

步骤六：融合各个子模型的鲁棒估计结果并进行输出；

步骤七：回到步骤三重新依次执行，直至目标跟踪结束。

2.根据权利要求1所述一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，步骤一所述的学生t分布跳变马尔可夫模型包括系统状态转移方程xk＝f(xk-1,rk)+wk-1(rk)和传感器观测方程zk＝h(xk)+vk，其中下标k代表数据来源第k个离散采样时刻，zk为观测量，xk为目标状态变量，f(·)和h(·)分别为目标的系统函数和UAV的传感器观测函数，rk为模型变量；

用p(·)代表概率密度函数，Std(·)为学生t分布函数符号，过程噪声wk-1(rk)和观测噪声vk分别服从学生t分布，即p(wk-1(rk))＝Std(wk|0,Qk-1(rk),υw)和p(vk)＝Std(vk|0,Rk,υv)，其中Qk-1(rk)和Rk分别为过程噪声和观测噪声的尺度化矩阵，υw和υv分别为过程噪声和观测噪声的自由度参数；

认为任意第r个子模型的状态的k时刻模型先验(即k-1时刻的模型后验)概率密度函数和k时刻模型后验概率密度函数p(xk|z1:k)＝Std(xk|mk,Pk,υ)均为学生t分布函数，其中 和mk、 和Pk、υr和υ分别为各自学生t分布的均值、尺度化矩阵和自由度参数。

3.根据权利要求2所述一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，步骤二包含以下子步骤：

2.1计算混合概率 它代表k-1时刻子模型为模型r而k时刻为模型s的概率，可按下式计算：其中πrs表征在k-1时刻到k时刻由模型r切换为模型s的概率， 为第r个子模型在k时刻的模型先验概率(即k-1时刻的模型后验概率)， 为一个归一化常量；

2.2计算混合的学生t分布 的均值 尺度化矩阵 和自由度参数υ0s分别如下：

υ0s＝υr    (4) 。

4.根据权利要求3所述一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，步骤三中，计算学生t分布 中均值的预测值 尺度化矩阵的预测值 和自由度参数的预测值υs，具体如下：

s 0s

υ＝υ     (7) 。

5.根据权利要求4所述一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，步骤四包含如下子步骤：

4.1计算第s个子模型的边缘化观测似然函数 的均值 自相关尺度化矩阵 和互相关尺度化矩阵 具体为：

4.2计算滤波增益 和自由度参数 即

4.3计算第s个子模型所对应的模型后验概率密度函数p(xk|rk＝s,z1:k)的均值 和尺度化矩阵 具体为：

4.4用矩信息匹配法优化均值 和尺度化矩阵 得到新的均值 和尺度化矩阵 具体为：。

6.根据权利要求5所述一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，步骤五中，更新子模型的模型后验概率 如下：其中，似然函数 的求取可通过计算第s个子模型的边缘化观测似然函s

数p(zk|z1:k-1)得到，即只需计算 这一标准学生t分布概率密度函数。

7.根据权利要求6所述一种针对机动目标的无人机鲁棒化跟踪方法，其特征在于，步骤六中，利用更新的模型后验概率 与步骤四中的均值 和尺度化矩阵 可以得到k时刻融合的均值mk和尺度化矩阵Pk如下：