1.一种跳跃滑翔轨迹强跟踪方法，其特征在于，所述方法包括：建立观测站坐标系以及被跟踪目标运动模型，将被跟踪目标的运动状态分为有动力阶段和无动力阶段，对于跳跃滑翔轨迹的无动力阶段，建立动力学模型描述跳跃滑翔轨迹；对于跳跃滑翔轨迹的有动力阶段，建立匀加速度模型描述跳跃滑翔轨迹；将被跟踪目标运动模型组合成目标混合运动模型，并对目标加速度进行判断，当目标加速度达到设定值时，使用匀加速度模型描述目前运动状态，当目标加速度未达到设定值时，建立动力学模型描述目标跳跃滑翔轨迹；建立观测站观测模型；在单行无迹变换的无迹卡尔曼滤波算法基础上，使用基于单行sigma点算法的单行无迹变化并结合H无穷滤波算法，得到状态向量、观测向量的一步预测及协方差矩阵、互相关协方差矩阵后，引入鲁棒因子 对状态向量及协方差矩阵进行修正，得到强鲁棒无迹卡尔曼滤波算法；通过目标混合运动模型和观测模型得到目标状态方程和观测方程，并通过强鲁棒无迹卡尔曼滤波算法，进行目标的跟踪。
2.根据权利要求1所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，所述建立观测站坐标系以及被跟踪目标运动模型包括如下步骤：设定观测站坐标系，以观测站为原点，X轴为观测站正东方向、Y轴为观测站正北方向、Z轴为观测站的竖直方向；在观测站坐标系的基础上建立动力学模型，用于描述目标在无动力阶段的跳跃滑翔轨迹；目标在无动力阶段受到气动力、重力以及地球自转引起的表视力；在观测站坐标系的基础上建立匀加速度模型，用于描述目标在有动力阶段的跳跃滑翔轨迹。
3.根据权利要求2所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，所述在观测站坐标系的基础上建立动力学模型包括：动力学模型下的目标状态向量包括观测站坐标系三个轴的位置分量、速度分量以及三个气动力系数，将三个气动力系数建模为Gauss-Markov过程，连续状态方程为：其中，坐标系三个轴的位置分量包括X轴分量 、Y轴分量 和Z轴分量 ；速度分量包括X轴速度分量 、Y轴速度分量 和Z轴速度分量 ；气动力系数包括 、 、 ；动力学模型下的目标状态向量为 ， 为水平速度的分量， ， 为总速度大小， ， 为目标所处的大气密度， 为地球引力常数， 为目标至地心的距离， 为地球自转角速度， 为观测站的纬度， 为地球的半径， 、 、 分别为气动力系数 、 、 的零均值白噪声；将连续状态方程中等式右边的函数记为 ；对连续状态方程进行离散化，目标状态方程近似表示为： ；其中， 为离散时间步长， 、 为离散的时刻， 、 分别为目标在 、 时刻的状态向量， 为 时刻函数 对应的值。
4.根据权利要求2所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，在观测站坐标系的基础上建立匀加速度模型包括：设定匀加速度模型下目标状态向量为 ， 、 和 分别为观测站坐标系X、Y、Z三个轴向下的匀加速度分量，其状态方程为： ； ； ；其中， 为离散时间步长， 、 为离散的时刻， 为与高斯白噪声强度相关的参数， 为 的协方差矩阵， 为 时刻的高斯白噪声序列， 为 时刻的目标状态向量。
5.根据权利要求1所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，将被跟踪目标运动模型组合成目标混合运动模型包括：对有动力阶段的目标加速度设置判断条件： ； ； ； ；其中， 、 、 、 、 、 分别为目标在 、 时刻在观测站坐标系下的X、Y、Z三个轴向的速度分量， 为离散时间步长， 为X轴加速度分量， 为Y轴加速度分量， 为Z轴加速度分量， 为目标的加速度大小；当目标加速度 满足上述判断条件时，描述目标的运动模型为匀加速度模型；当目标加速度 不满足上述判断条件时，描述目标的运动模型转换为动力学模型。
6.根据权利要求1所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，建立观测站观测模型包括：观测站观测模型建立在观测站球坐标系中，用观测距离 、观测方位角 、观测仰角 表示；观测距离 为观测站到目标的距离，观测方位角 为观测站与目标连线在观测站当地水平面内投影与正北向夹角，观测仰角 为观测站到目标连线与观测站当地水平面的夹角；考虑到实际工程情况，引入观测噪声，其观测模型的观测方程为： ；其中， 、 、 为目标在观测站坐标系内的位置分量， 、 、 为高斯白噪声。
7.根据权利要求6所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，所述高斯白噪声 、 和 相互独立，均值为0，且其方差恒定。
8.根据权利要求1所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，将观测站跟踪滤波过程用离散的非线性状态方程表示为： ； ；其中， 为目标状态向量， 为观测向量， 为过程噪声， 为观测噪声， 为目标运动模型对应的状态方程， 为观测模型对应的观测方程；目标状态向量 的长度为 ，观测向量 长度为 ；过程噪声 为互不相关的白噪声向量，均值为零，方差矩阵为 ；观测噪声 为互不相关的白噪声向量，均值为零，方差矩阵为 ；所述强鲁棒无迹卡尔曼滤波算法的计算步骤为：基于单行sigma点算法生成 个权值系数 以及sigma点 ： ；其中， 为依次取值为1至 的变量， 为权值系数；初始化一元向量为： ；对于 ，向量 为： ；构造sigma点 ： ；其中， 为 时刻状态向量的协方差矩阵， 为 时刻状态向量的估计值；计算 个sigma点的状态传播： ；其中， 为状态方程；计算状态向量的一步预测及协方差矩阵： ；其中， 为过程噪声 的方差矩阵， 为时刻， 为权值系数， 为依次取值为1至 的变量， 为状态向量的一步预测值， 为 的协方差矩阵， 为过程噪声 的方差矩阵；重新构造sigma点： ；其中， 为状态向量的一步预测值， 为 的协方差矩阵， 为依次取值为1至 的变量， 为构造sigma点所需的向量；计算 个sigma点的观测传播： ；其中， 为观测方程；计算观测的一步预测及协方差矩阵： ；其中， 为离散时刻， 为依次取值为1至 的变量， 为权值系数， 为观测噪声 的方差矩阵， 为观测向量。
9.根据权利要求8所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，所述状态向量以及协方差矩阵修正包括： ；其中， 为时刻， 、 为 时刻一步预测的状态向量及对应协方差矩阵， 、 为 时刻一步预测的观测向量及对应协方差矩阵， 为状态向量在 时刻的估计值， 为 时刻的观测向量、 为增益矩阵、 为 时刻观测噪声对应的方差矩阵， 为 时刻的状态向量与观测向量的互相关协方差矩阵， 为鲁棒因子， 为鲁棒增益矩阵， 和 两者能对状态向量以及相应协方差进行修正。
10.根据权利要求9所述的一种跳跃滑翔轨迹强跟踪方法，其特征在于，参数 满足如下条件： ；其中 函数用于计算矩阵特征值， 为时刻， 为 时刻一步预测的协方差矩阵， 为 时刻的状态向量与观测向量的互相关协方差矩阵， 为鲁棒增益矩阵。
