1.一种基于卡尔曼滤波算法的莫尔斯信号检测方法，其特征在于，包括：S101：根据自同步法对接收到的信号进行时域同步定位，并对同步后的信号进行分段；

S102：计算时域上的第一个分段信号在预设的特征频率点上的实际能量值，所述第一个分段信号中包含先验报头信息；

S103：根据所述先验报头信息确定出状态噪声方差和观测噪声方差；

S104：基于卡尔曼滤波算法以及所述状态噪声方差和观测噪声方差确定所述第一个分段信号对应的能量阈值；

S105：在所述实际能量值小于所述能量阈值时，确定所述第一个分段信号为莫尔斯信号，否则，确定所述第一个分段信号为噪声信号；

S106：计算下一分段信号在预设的特征频率点上的实际能量值；

S107：基于卡尔曼滤波算法以及所述状态噪声方差和观测噪声方差确定下一分段信号对应的能量阈值；

S108：在下一分段信号的实际能量值小于下一分段信号对应的能量阈值时，确定下一分段信号为莫尔斯信号，否则，确定下一分段信号为噪声信号；

S109：判断是否对分段信号检测完毕，如是，转至S110，否则，转至S106；

S110：结束检测。

2.如权利要求1所述的基于卡尔曼滤波算法的莫尔斯信号检测方法，其特征在于，所述根据自同步法对接收到的信号进行时域同步定位包括：对接收到的信号进行下变频得到基带信号；

对所述基带信号进行二次下变频，并根据二次下变频结果以及点脉冲持续时间得到同步正弦信号理论频率；

根据所述理论频率在基带信号频谱内进行尖峰探测提取出同步正弦信号；

根据所述同步正弦信号对接收到的信号进行时域同步定位。

3.如权利要求1所述的基于卡尔曼滤波算法的莫尔斯信号检测方法，其特征在于，计算分段信号在预设的特征频率点上的实际能量值包括：基于戈泽尔算法计算分段信号在预设的特征频率点的实际能量值。

4.如权利要求3所述的基于卡尔曼滤波算法的莫尔斯信号检测方法，其特征在于，所述基于戈泽尔算法计算分段信号在预设的特征频率点的实际能量值包括：对于一个分段信号，在完成对该分段信号的采样后，按照以下方式计算该分段信号在预设的特征频率点的实际能量值X(k):其中，vk(N)表示第N个采样点对应的能量值，vk(N-1)表示第N-1个采样点对应的能量值，N为采样点数目， fs为采样频率，f0为预设的特征频率点的频率值，k表示第k个点dot对应的位置时间点。

5.如权利要求4所述的基于卡尔曼滤波算法的莫尔斯信号检测方法，其特征在于，基于卡尔曼滤波算法以及所述状态噪声方差和观测噪声方差确定分段信号对应的能量阈值包括：对于一个分段信号，在完成接收该分段信号时，按照以下方式计算当前时刻下该分段信号所对应的能量阈值：Z(k|k)＝Z(k/k-1)+K(k)ε(k)，P(k|k)＝[I-K(k)H]P(k/k-1)，其中，Z(k|k-1)＝φZ(k-

1/k-1)，K(k)＝P(k/k-1)HT[HP(k/k-1)HT+R]-1，P(k|k-1)＝φP(k-1/k-1)+ΓQΓT，ε(k)＝Y(k)-HZ(k/k-1)，Y(k)＝ratio×max[X(k),X(k-1)...X(k-7)]，ratio＝0.6，φ为预先设置的状态转移矩阵，H为预先设置的观测矩阵，Γ为预先设置的噪声驱动矩阵，Q为根据所述先验报头信息确定的状态噪声方差，R为根据所述先验报头信息确定的观测噪声方差，Z(k|k)为第k个点dot对应的位置时间点的能量阈值，P(k|k)为第k个点dot对应的位置时间点的协方差，每一分段信号的能量阈值初始值Z(0|0)和协方差初始值P(0|0)根据该分段信号的第一个采样点所对应的能量值得到。

6.如权利要求5所述的基于卡尔曼滤波算法的莫尔斯信号检测方法，其特征在于，每一分段信号的能量阈值初始值Z(0|0)按照Z(0|0)＝E[x(0)]＝u0计算得到，E[x(0)]为对该分段信号以及时序上处于该分段信号之前的分段信号的第一个采样点所对应的能量值求均值，每一分段信号的协方差初始值P(0|0)按照E[(x(0)-u0)(x(0)-u0)T]计算得到。