1.基于跟踪精度可控的多雷达认知跟踪方法，其特征在于，包括：S1、初始化目标状态；包括：目标初始位置以及目标初始速度；S2、根据初始化的目标状态得到目标状态方程以及目标量测方程；S3、根据目标状态方程以及目标量测方程计算得到贝叶斯克拉美罗界；贝叶斯克拉美罗界的具体求解过程如下：用观测向量r k 估计目标状态ξ k ，其无偏估计量 必须满足：其中， 表示对目标状态和观测求数学期望；C k|k 为协方差矩阵；J(ξ k )则表示目标状态ξ k 的贝叶斯费雪信息矩阵BFIM；J(ξ k )表达式如下：其中， 表示求向量ξ k 的二阶偏导数，p(r k ,ξ k )代表观测与状态的联合概率分布函数(PDF)；p(r k ,ξ k )表达式如下：p(r k ,ξ k )＝p(ξ k )p(r k |ξ k )其中，p(ξ k )表示目标状态的PDF，p(r k |ξ k )表示目标状态的条件似然函数；则J(ξ k )变换为：其中，J p (ξ k )和J r (ξ k )分别表示目标状态的先验信息和数据的BFIM；J p (ξ k )表示为：J P (ξ k )＝(Q ξ,k-1 +F ξ J -1 (ξ k-1 )F ξ T ) -1J r (ξ k )表示为：其中，G(ξ k )为3N×(4+2N)的雅克比矩阵， 是w k 的量测噪声协方差；通过引入一组二进制选择变量用于表示节点的选择状态：则J(ξ k )表示为：J(ξ k )＝J p (ξ k )+u i,k J r (ξ k )通过近似的方法求出BFIM，具体表达式如下：其中，u k ＝[u 1,k ,u 2,k ,...,u N,k ]；然后，贝叶斯克拉美罗界定义为BFIM的求逆；即S4、根据S3确定的贝叶斯克拉美罗界以及预设的跟踪精度门限为约束条件，以极小化总功率资源为目标函数的优化问题，得到数学优化模型；预设的跟踪精度门限的确定过程为：首先为每个监视区域初始化一个跟踪精度门限，根据目标位置L k 确定目标所处的监视区域，得到L k 对应的跟踪精度门限；S5、求解数学优化模型，得到最优节点选择和功率分配；S6、根据步骤S5得到的最优节点选择和功率分配，进行目标状态估计。
2.根据权利要求1所述的基于跟踪精度可控的多雷达认知跟踪方法，其特征在于，所述预设的跟踪精度门限具体为：初始时为每个监视区域A m 设置一个跟踪精度门限，根据目标位置L k 确定具体的监视区域，得到L k 对应的跟踪精度门限T m (L k )。
3.根据权利要求2所述的基于跟踪精度可控的多雷达认知跟踪方法，其特征在于，步骤S4所述数学优化模型为：minimize 1 T P ksubject to P min ≤P i,k ≤P max u i,k ＝1P i,k ＝0 u i,k ＝0u i,k ∈{0,1} i＝1,...,NL k ∈A m m＝1,...,M其中，1表示N×1维的标准列向量，(·) T 表示转置运算，P min 表示发射功率的最小值限制，P max 表示发射功率的最大值限制，L k 表示目标在k时刻所处的位置，T m (L k )表示L k 对应的跟踪精度门限，A m 代表不同的监视区域中标号为m的监视区域，M为监视区域的总个数。
4.根据权利要求1所述的基于跟踪精度可控的多雷达认知跟踪方法，其特征在于，步骤S5具体包括以下步骤：S51、松弛步骤S4建立的数学优化模型，假设功率值最小为零，得到数学优化表达式：minimize 1 T P ksubject to 0≤P i,k ≤P maxL k ∈A m m＝1,...,MS52、给定初始可行点 置k＝1；S53、求解可行下降方向d (n) ，具体为：令起约束集 求解线性规划问题：minimize zsubject to 1 T d-z≤0-1≤d j ≤1 j＝1,...,N得到(z n ,d (n) )，若是z n ＝0，则停止计算，输出最优解 否则转向步骤S54；其中，n表示迭代次数，且n≥1；S54、求解搜索步长λ n ，令 置n＝n+1返回到步骤S53。
