1.多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，包括：S1.构建分簇混合积累架构，对簇内雷达节点接收信号进行相参积累，簇间信号进行非相参积累；S2.对多无人机载雷达接收回波信号进行脉冲压缩处理与多脉冲积累；S3.计算在雷达回波信号分簇混合积累过程的计算量与混合积累信噪比增益；S4.以混合积累过程的计算量和混合积累信噪比增益为指标，构建分簇优化模型；S5.设计基于元启发双向的分簇处理方法求解分簇优化问题，得到优化后的分簇处理结果；S6.根据分簇结果进行分簇混合积累处理，得到多无人机载雷达回波混合积累后的输出结果；S7.利用分簇混合积累得到的输出结果进行CFAR检测，最终得到检测结果。
2.根据权利要求1所述的多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，步骤S3中的混合积累过程的计算量表示为：其中，N表示节点数量，M表示簇数量，ca i 表示第i个簇的相参积累的计算量，ca ncl 表示进行簇间非相参积累时的计算代价。
3.根据权利要求2所述的多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，步骤S3中的混合积累信噪比增益表示为：(1-0.140lg(N ncl )+0.018310(lg(N ncl )) 2 )其中，P D 为所需的检测概率，P fa 为虚警率，N ncl 为当前分簇方式下等效的节点总数。
4.根据权利要求3所述的多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，步骤S4所述的分簇优化模型表示为：max W＝ω 1 CA+ω 2 G ak＝1,2,3,.....,Mi,j＝1,2,3,......,n k其中，ω 1 为混合积累计算量指标权重，ω 2 为混合积累信噪比增益指标权重，ω 1 +ω 2 ＝1， 为第k个簇内第i个无人机与第j个无人机的距离，n k 为第k个簇无人机数量， 为两个节点回波信号满足相参条件的最大距离。
5.根据权利要求4所述的多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，步骤S5的实现过程包括：S51、通过初始化操作获取无人机载雷达节点数量N，生成分簇结果初始化矩阵C：C＝[1,2,3…,N] T分簇矩阵C中第m行元素表示被分入第m个簇中的无人机载雷达节点的编号，此时初始化的分簇矩阵表示当前N个无人机节点各自成为一个簇；S52、依据融合概率矩阵选取本次处理需要融合的两簇，融合概率确定过程为：根据目标函数计算融合目标值矩阵，进一步计算分簇目标值变化矩阵：△Va(i,j)＝Va(i,j)-Va′其中，Va(i,j)表示第i和第j个簇融合后的分簇目标值，Va′表示上一代中分簇目标值；融合概率根据目标值变化矩阵确定；S53、随机选择若干个包含点数大于2的簇，根据分裂概率进行分裂；分裂概率的确定过程为：将当前分簇方式中全部的M个簇都通过目标函数计算出各个簇的指标值，得到了关于M个簇的指标值向量V T ，根据V T 确定分裂概率。
6.根据权利要求5所述的多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，融合概率根据目标值变化矩阵确定，具体为：当分簇目标变化矩阵存在大于0的元素时，融合概率矩阵为：否则，设置融合概率矩阵为：其中，V + 为分簇目标值变化矩阵的正元素矩阵。
7.根据权利要求6所述的多无人机载雷达目标信号检测的分簇混合积累优化方法，其特征在于，分裂概率计算式为：其中，V T '(m)表示V T 的归一化结果。
