1.一种基于多源聚类的分布式多目标跟踪方法，其特征在于，包括：首先对所有雷达接收到的每一时刻的量测数据进行聚类处理，然后将计算得到的各个聚类的中心作为这一时刻对各个目标的位置的估计，最后基于最近邻域简化联合概率数据关联算法，采用单站雷达多目标跟踪方法对多目标进行跟踪，得到目标航迹；对所有雷达接收到的每一时刻的量测数据进行聚类处理，具体为：计算任意两部雷达获取量测中的任意两量测之间的距离，若该距离小于或等于设定阈值，则将这两个量测分到同一个组；否则继续计算任意两部雷达获取量测中的任意两量测之间的距离，直至所有量测成功分组，所述的任意两量测分别来自所述的任意两部雷达；当σ已知时，设定阈值为d＝(1～3)σ，σ为观测噪声的标准差。
2.根据权利要求1所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，当σ未知时，设定阈值为d，d的计算式为：K＝argmax r |R r |d＝mind k (Y,K),k＝{1,2,…,m K }其中，|R r |表示计算雷达R r 获取的量测的数目，参数Y表示任一量测到邻近量测的距离的平均值，m r 为雷达R r 获取的量测的数目，n为雷达的数目， 表示雷达R r 获取的量测中第e个数据， 表示雷达R K 获取的量测中第k个数据。
3.根据权利要求1或2所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，若分组中包含的量测数目大于或等于设定值，则该分组构成一个聚类。
4.根据权利要求3所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，设定值为：0.8×E(|C i |)其中，C i 表示第i个分组，E(|C i |)表示每个聚类包含的量测数目的期望值， n i 表示能观测到目标i的雷达的部数，P D,r (i)表示雷达R r 对应于目标i所在区域的检测概率。
5.根据权利要求4所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，所有量测成功聚类后还包括：采用K-means算法对各聚类进行子聚类划分。
6.根据权利要求5所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，若某个聚类中包含的子聚类大于或等于2，则将这若干子聚类作为新的若干个聚类。
7.根据权利要求6所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，航迹确认准则为M/N逻辑判决准则。
8.根据权利要求7所述的一种基于多源聚类的分布式多目标跟踪方法，其特征在于，采用L逻辑准则作为航迹终止的判断准则。
