1.一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，包括以下几个步骤：步骤一：建立基于动态目标假设和RSS量测的学生t分布自由度值跳变马尔可夫模型；

步骤二：计算自由度参数子模型的混合概率并基于学生t分布进行交互；

步骤三：对交互后的服从学生t分布的系统状态进行预测；

步骤四：对服从学生t分布的预测的系统状态进行量测更新；

步骤五：基于学生t分布对自由度参数子模型的模型概率进行更新；

步骤六：融合各个自由度参数子模型的鲁棒估计结果；

步骤七：用栅格策略自适应调整三个自由度参数子模型中的自由度离散状态值；

步骤八：重新初始化三个离散的自由度值，回到步骤三重新依次执行，直至定位过程结束。

2.根据权利要求1所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，步骤一满足以下条件：

1.1用下标k代表数据来源于第k个离散采样时刻，p(·)代表概率密度函数，Std(·)为学生t分布概率密度函数符号，用学生t分布对敏捷动态目标动态变化过程所带有的过程噪声进行建模，即过程噪声wk-1(υ)和目标状态xk均认为是重尾非高斯随机变量，概率密度函数分别为p(wk-1(υ))＝Std(wk|0，Qk-1，υ)和p(xk)＝Std(xk|mk，Pk，υ)，同时用学生t分布对伴随有非视距干扰的RSS观测噪声进行建模，认为观测噪声vk(υ)同为重尾非高斯随机变量，满足p(vk(υ))＝Std(vk|0，Rk，υ)，以上，Qk-1、Rk和Pk分别为过程噪声、观测噪声和系统状态的尺度化矩阵，mk为系统状态的均值，υ为自由度参数；

1.2认为自由度参数υ可变，在低自由度υ1值、中自由度值υ2和高自由度值υ3三个值中切换，用一条具有这三个离散状态值的一阶马尔可夫链对υ进行建模，即υ∈{υ1，υ2，υ3}；三个离散状态值之间的切换规律可以由维数为3×3的转移概率矩阵∏＝[πij]3×3进行描述，矩阵中元素πij＝Pr(υ＝υj|υ＝υi)(i，j∈{1，2，3})表征自由度参数由上一时刻υ＝υi在下一时刻切换为υ＝υj的概率，符号Pr表示事件发生的概率。

3.根据权利要求2所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，步骤二包含以下子步骤：

2.1计算混合概率 即计算在k-1时刻子模型为模型i而k时刻为模型j的概率：

2.2计算混合的学生t分布 的均值 和尺度化矩阵。

4.根据权利要求3所述一种具有灵活鲁棒性的RSS目标定位方法，其特征在于，步骤三需计算学生t分布 中的均值的预测值 和尺度化矩阵的预测值。

5.根据权利要求4所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，步骤四包含如下子步骤：

4.1计算模型j的边缘化观测似然函数 的均值自相关尺度化矩阵

互相关尺度化矩阵 为：

4.2计算滤波增益

自由度参数

4.3计算模型j所对应的模型后验概率密度函数p(xk|rk＝j，zl∶k)的均值尺度化矩阵

4.4用矩信息匹配法调整均值 和尺度化矩阵 得到新的均值 和尺度化矩阵。

6.根据权利要求5所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，步骤五更新模型j的模型后验概率其中，似然函数 的求取可通过计算模型j的边缘化观测似然函数pj(zk|z1∶k-1)这一标准学生t分布得到。

7.根据权利要求6所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，步骤六利用更新的模型后验概率 与步骤四中的均值 和尺度化矩阵 计算k时刻融合的均值mk和尺度化矩阵Pk分别如下：。

8.根据权利要求1所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，在完成步骤六的信息融合后，步骤七用栅格策略对三个自由度离散状态值进行自适应调整，用上标*表征调整后的自由度值，具体策略如下：若 则：

若 则：

υ3*＝υ2*+ζk                        (22)若 则：

υ3*＝υ2*-λk                        (23)其中，λk＝δ(υ2-υ1)和ζk＝δ(υ3-υ2)分别是低自由度和高自由度的栅格移动距离，δ是距离分隔系数，η1和η2均为阈值，分别用于检测小概率事件和大概率事件。

9.根据权利要求1所述一种具有灵活鲁棒性的动态目标RSS定位方法，其特征在于，步骤八需要重新初始化三个离散的自由度值作为下一时刻的输入参数：