1.基于无人机运动状态的激光充电跟踪系统，其特征在于包括：位于地面端的信息处理模块，

配置在无人机的GPS定位模块，用于定位无人机的位置；

配置在无人机的第一Zigbee通信模块、位于地面端的第二Zigbee通信模块，第一Zigbee通信模块向第二Zigbee通信模块发送无人机的状态信息；

伺服跟踪装置，用于对无人机进行目标跟踪，伺服跟踪装置连接信息处理模块；

能量发射装置，包括激光发射窗、电视跟瞄窗；激光发射窗、电视跟瞄窗连接伺服跟踪装置；

配置在无人机的光伏模块，用于将光能转换为电能，为无人机供电；

激光通过激光发射窗发射到无人机的光伏模块，进行供电补给，电视跟瞄窗用于拍摄捕获无人机。

2.基于无人机运动状态的激光充电跟踪方法，包括以下步骤：步骤1：无人机通过Zigbee通信模块向地面端的信息处理模块发送飞行实时状态信息，同时地面端信息处理模块通过GPS定位模块获取无人机的位置；

步骤2：电视跟瞄窗通过CCD摄像模块捕获无人机，步骤3：激光发射窗并通过伺服跟踪装置对无人机进行目标跟踪，若是伺服跟踪装置跟踪失败，则返回步骤1，信息处理模块重新获取无人机的位置；若是伺服跟踪装置跟踪成功，则进行步骤4；

步骤4：激光装置将电能转化为激光，激光发射窗通过伺服跟踪装置的控制，将激光发射到无人机上的光伏模块上，在光伏模块上再进行光能到电能转化，稳压后为无人机工作进行供电。

3.根据权利要求1所述基于无人机运动状态的激光充电跟踪方法，包括以下步骤：所述步骤3中，地面端的信息处理模块根据无人机实时状态信息进行数据的采集分析，对信息采集的时间延迟做一定的处理，在伺服跟踪装置中加入角速度反馈信号，采用基于贝叶斯状态滤波估计对角速度进行测量，实现复合跟踪。

4.根据权利要求1所述基于无人机运动状态的激光充电跟踪方法，包括以下步骤：所述步骤3包括以下步骤：

S1、构建无人机运动模型：

无人机的加速度概率密度：

其中：x表示无人机位置；a(t)表示零均值的有色噪声；表示加速度的均值，在每一个采样周期内为常数；α为随机的机动频率；v(t)为均值0；

无人机的加速度方差

其中：α为随机的机动频率、表示加速度的均值，无人机的加速度方差S2、采用残差信息序列γk，对无人机的实时变化情况进行反馈跟踪，调整优化机动参量；

其中，Hk为状态转移矩阵；Pk|k‑1为状态预测误差方差矩阵；Rk为状态过程方差矩阵；

为Hk的转置矩阵；

当出现无人机运动状态发生急剧性变化时，无人机k时刻状态预测向量 的状态值会出现漂移偏差，残差序列发生变化不满足式(3)特性，将状态预测误差方差表示为：其中：φk|k‑1为目标状态转移矩阵；Qk为过程方差噪声矩阵； 为φk|k‑1的转置矩阵；

Pk|k‑1为状态预测误差方差矩阵；Pk‑1|k‑1为k‑1时刻的状态预测误差方差矩阵；

S3、建立起残差序列 和Pk|k‑1状态预测误差方差矩阵之间的关系，对无人机运动模型的参数进行实时的修改，构建为：其中： 为残差序列实际统计特性；σ为遗忘因子；λk为调节因子；γk为残差信息序列；

φk|k‑1为目标状态转移矩阵；Qk为过程方差噪声矩阵； 为φk|k‑1的转置矩阵；Pk‑1|k‑1为k‑

1时刻的状态预测误差方差矩阵； 为状态转移矩阵的转置矩阵；Hk为状态转移矩阵；

对于无人机运动模型参数的修正为：αk＝λkα   (10)；

其中：αk为k时刻随机的机动频率；λk为调节因子；α为上一时刻的机动频率；

并且认为无人机运动过程中当前时刻加速度的预测值为其加速度的均值：其中： 为当前时刻加速度均值； 为当前时刻加速度的预测值；

同时采用加速度均值的比例形式，将运动过程中加速度极值表示：其中，c为比例系数，当无人机的运动状态保持一定范围内的稳定性的时候，c通常取值较小的经验值，当无人机的运动状态发生急剧性的变化时，c的取值变化为ck：ck＝λkc   (13)；

其中，λk为无人机运动状态发生急剧性变化时的系统调节系数；c为比例系数；ck为当无人机的运动状态发生急剧性的变化时的比例系数；

S4、通过式(14)、(15)对无人机状态信息进行预测.

其中， 为k时刻位置预测信息；φk‑1|k‑1为k‑1时刻的目标转移矩阵；φk|k‑1为k时刻目标状态转移矩阵； 为k‑1时刻位置信息；Qk为过程方差噪声矩阵； 为φk|k‑1的转置矩阵；Pk|k‑1为状态预测误差方差矩阵；Pk‑1|k‑1为k‑1时刻的状态预测误差方差矩阵；

S5、通过式(16)、(17)进行残差检测，并通过式(18)、(19)、(20)对模型进行参数调整；

αk＝λkα         (18)；

ck＝λkc    (19)；

其中，Hk为状态转移矩阵；γk为残差信息序列；λk为调节因子；αk为k时刻随机的机动频率；λk为调节因子；α为上一时刻的机动频率；c为比例系数；ck为当无人机的运动状态发生急剧性的变化时的比例系数； 为预测k时刻的机动频率值；

S6、经过残差计算和参数调整后，通过式(21)、(22)、(23)对状态转移方程和过程噪声方差方程 进行实时的修正，计算修正参数之后的状态预测误差方差矩阵其中， 为预测k时刻的目标状态转移矩阵； 为过程噪声方差方程；αk为k时刻随机的机动频率； 为k时刻的目标状态转移矩阵；ck为当无人机的运动状态发生急剧性的变化时的比例系数； 为修正参数之后的状态预测误差方差矩阵；

S7、通过式(24)、(25)、(26)对无人机位置进行更新，产生估计值，准备进行下一次的预测；

Hk为状态转移矩阵；Kk为k时刻的滤波增益方程； 为修正参数之后的状态预测误差方差矩阵；Rk为测量噪声的协方差；Yk为k时刻的测量状态值； 为k时刻位置预测信息；

为k时刻位置信息；I为单位矩阵。