1.一种基于标签多伯努利分布的非共视多传感器融合方法，其特征在于，包括以下步骤：步骤1，数个传感器构建传感器网络，各传感器节点采用标签多伯努利滤波器进行滤波，初始化网络共识参数；包括以下流程：S个探测视角不重叠的传感器构成传感器网络，邻近传感器节点间通过通信链路通信，各传感器节点采用标签多伯努利滤波器进行滤波，在k时刻各节点后验标签多伯努利分布参数为 其中 为第s个节点的目标标号集合，x为单目标状态， 为第s个节点标号为的航迹存在概率， 为第s个节点标号为的航迹密度分布；初始化网络共识参数，各节点的虚假目标航迹标号集合初始化为 共识步骤初始化为c＝1，总共识步骤为C；步骤2，各传感器节点接收邻近节点标签多伯努利分布后验信息；包括以下流程：各传感器节点接收邻近节点标签多伯努利分布后验信息，传感器节点s获取的标签多伯努利分布后验集合为其中， 表示传感器节点s的邻近节点传感器的节点索引号集合，|·|表示取模运算， 表示传感器节点s的邻近节点个数， 表示传感器节点s标号为s'所对应的邻近节点，标号s'取值范围为 步骤3，基于序贯融合策略，各传感器间目标航迹联合分组，生成联合分组结果；包括以下流程：各传感器节点基于序贯策略进行 个邻近节点后验标签多伯努利分布融合的初始化，其中s＝1,…,S，序贯融合参数初始化s'＝1；以传感器节点s的标号空间作为该节点融合后标签多伯努利分布的标号空间；选取广义协方差交集信息熵作为π s 和 所对应目标标号集合 和 的联合分组准则，任意 和 对应的广义协方差交集信息熵d(l,l′)表示为其中，ln表示自然对数运算，ω 1 表示融合后多伯努利后验分布的融合权重，ω 2 传感器节点 对应多伯努利后验分布的融合权重，ω 1 和ω 2 满足ω 1 +ω 2 ＝1，∫· dx 表示积分运算；基于所述联合分组准则， 和 的联合分组结果为 其中 N表示分组组数；步骤4，根据所述联合分组结果，基于均匀分布，补偿每组标签多伯努利后验分布，每组内进行LF-GCI-LMB融合；包括以下流程：步骤41，根据所述联合分组结果，进行并行分组多伯努利分布融合，初始化g＝1；步骤42，判断 且 是否成立，若 且 成立，流程进入步骤46；若 且 不成立，流程进入步骤43；步骤43，计算标号为 的目标航迹出现在节点s和 公共探测视角范围的次数N (g) (l)，表示为其中， 表示标号l目标航迹状态估计，FoV s 表示第s个节点的探测视角范围， 步骤44，获取虚假目标航迹标号集合 将标号 中N (g) (l)＞1的标号集合表示为 虚假目标航迹标号集合为 步骤45，基于均匀分布补偿传感器节点 对应第g组标签多伯努利后验分布其中， r c 为给定实数，满足0＜r c ＜1， 服从均匀分布，以及步骤46，基于免标号GCI(Label-Free GCI,LF-GCI)融合方法进行 和 的融合，节点s处融合后标签多伯努利分布参数为 步骤47，判断g＜N是否成立，若g＜N成立，令g＝g+1，流程回到步骤42；若g＜N不成立，输出传感器节点处融合后标签多伯努利分布参数，流程进入步骤48；步骤48，判断 是否成立，若 成立，令s'＝s'+1，流程回到步骤3；若 不成立，输出传感器节点s处第c步共识的融合后标签多伯努利分布参数 流程进入步骤5；步骤5，当共识步骤达到总共识步骤时，各传感器节点输出融合后验标签多伯努利分布参数，提取多目标状态；包括以下流程：步骤51，判断c＜C是否成立；步骤52，若c＜C成立，令c＝c+1， 流程回到步骤2；步骤53，若c＜C不成立，在传感器节点s＝1,…,S中，根据各节点C步网络共识输出的融合后验标签多伯努利分布提取多目标状态。
