1.一种机动目标场景下的雷达目标跟踪算法，其特征在于，包括以下步骤：S1、确定状态转移矩阵 和过程噪声分布矩阵 ；S2、计算 滤波算法的状态一步预测矩阵、协方差一步预测矩阵、卡尔曼滤波增益矩阵；S3、计算 滤波算法的协方差矩阵和 位置预测信息；更新的协方差矩阵为： （1）测量值 为： （2）所述 位置预测信息为： （3）其中， 为 时刻的协方差矩阵； 为全1对角矩阵； 为 时刻扩展卡尔曼滤波增益； 为观测矩阵； 为协方差一步预测值； 为 时刻目标真实位置； 为目标观测点位置； 为测量噪声，服从均值为0方差为 的高斯分布； 为 时刻的测量值；S4、计算更新的测量值 在绝对坐标系下的测量信息的坐标； （4）其中， 为在绝对坐标系下的 X 轴的测量信息分量； 在绝对坐标系下 Y 轴的测量信息分量； 和 分别为 时刻更新的测量值 中极坐标下的长度和角度分量， ， ；S5、基于所述更新的测量值 进行 滤波算法的位置预测信息的修正；S6、基于 神经网络修正 滤波算法的位置预测信息；S7、修正 神经网络输出的位置预测信息；S8、计算基于 滤波算法和所述更新的测量值的第一综合加权值坐标信息、 神经网络映射预测和 滤波算法预测的第二综合加权值坐标信息，和 神经网络映射预测和所述更新的测量值的第三综合加权值坐标信息，获得在 时刻，最优位置预测信息；S9、重复所述S2至S9，继续获取下一时刻的最优位置预测信息。
2.根据权利要求1所述的一种机动目标场景下的雷达目标跟踪算法，其特征在于，所述S5中：假设目标在绝对坐标系下最大的偏差范围为 ，在 时刻，所述 位置预测信息 中的 轴和 轴的位置坐标 和 需满足的条件为： （5）不满足公式（5），则按照式（6）进行更新修正： （6）得到最终的修正的 滤波算法的位置预测信息。
3.根据权利要求2所述的一种机动目标场景下的雷达目标跟踪算法，其特征在于，所述S7中：所述 神经网络的位置预测信息需满足（7）式条件： （7）其中， 为 神经网络的位置预测信息；如，所述 范围不满足公式（7），则按照公式（8）进行更新修正： （8）。
4.根据权利要求3所述的一种机动目标场景下的雷达目标跟踪算法，其特征在于：所述S8中，S801、所述第一综合加权值坐标 为： （9）所述第二综合加权值坐标 ， 为： （10）S802、计算 时刻 神经网络映射预测和所述更新的测量值的第三综合加权值坐标 为： （11）其中， 均为更新因子，且 , , 。
5.根据权利要求4所述的一种机动目标场景下的雷达目标跟踪算法，其特征在于，所述S9，包括以下步骤：S901、基于 最小化选择法，从 ， ， ， 这四个值中选择最优值 ： （12）S902、基于 最小化选择法，从 , , , 这四个值中选择最优值 ； (13)。
6.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5任一项所述的机动目标场景下的雷达目标跟踪算法。
7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的机动目标场景下的雷达目标跟踪算法。
