1.一种基于随机有限集的可分辨机动群目标状态估计方法，其特征在于该方法的具体步骤是：步骤(1).系统建模：

假设可分辨群目标做云转速运动，其中目标x在k+1时刻的动态方程如下：xk+1＝Fkxk+Γωk；

其中，Fk为状态转移矩阵，Γ为状态噪声矩阵，ωk为系统噪声；当每个目标节点拥有单个父节点时，分辨群目标动态模型如下：xk+1,i＝Fk,lXk,l+bk(l,i)+Γk,iωk,i；

zk+1,i＝Hk+1xk+1,i+vk+1,i；

其中，xk+1,i表示目标i在k+1时刻的状态，zk+1,i表示目标i在k+1时刻的量测状态；Fk,l为目标l在k时刻的状态转移矩阵，Γk,i为目标i在k时刻的状态噪声矩阵，ωk,i表示目标i在k时刻的系统噪声，bk(l,i)为目标i和目标l之间在k时刻的位置关系，即位移向量；Hk+1为k+1时刻的观测矩阵，vk+1,i表示目标i在k时刻观测噪声；ωk,i和vk+1,i均服从正态分布；

和 表示目标i在x轴上的位置和速度， 和 表示目标i在y轴上的位置和速度，xk,i∈Xk，Xk为所有目标在k时刻状态的集合，T表示转置；在目标机动过程中，父节点的运动方向与父子节点方向之间的夹角β假设为稳定状态，父节点k时刻的运动方向的角度θv获取方式为：在机动群目标中，位移向量bk(l,i)满足：为父节点与子节点之间的距离；

当目标不存在父节点时，头结点的运动不受其他目标影响，目标不存在父节点时运动模型中的补偿向量，bk(l,i)＝0，并且此时xk,l表示的是目标自身在k时刻的状态；

当目标存在多个父节点且在线性条件下时：zk+1,i＝Hk+1xk+1,i+vk+1,i；

其中， 为目标i所有父节点的集合，wk(l,i)表示k时刻目标l为目标i的父节点的权重；

步骤(2).误差修正：

步骤(2.1).假设所有的目标具有相同的矩阵，即Fk,l＝Fk，则：xk+1,i＝Fkxk,l+Δbk(l,i)+Γk,iωk,i；

其中， 为k时刻，父目标l和子目标i直接的真位置向量；Δbk(l,i)为协作位移，取决于群目标间的协作关系；

由此，提出一个新的协作误差：

步骤(2.2).对于每一个目标i，通过它的目标状态xk,i,邻接矩阵Ad和协作误差 来构建新的模型，并且得出以下命题：命题1：假设群目标的动态模型如果满足以下两个条件：群的运动为简单运动；位移向量{bk(l,i)}为随机量并且为高斯分布，那么协作误差 也为高斯分布：那么协作误差 也为高斯，并且通过如下公式获得：其中，Qk,i为过程噪声的协方差矩阵，Pk为目标的状态协方差，Sk为位移分布协方差；

步骤(3).状态预测与更新：

将状态转移概率写成：

1)预测步：可分辨群目标初始状态为xk，在此状态下预测密度函数可由Champan‑Kolmogorov方程给出：令：

则预测密度为：

μk+1|k,i＝Fk,ixk,i；

μk+1|k,i为目标预测分布；

2)状态更新步：预测密度pk+1,i为高斯分布，则相对应的后验函数为：其中，g(Z|X)为多目标似然函数；后验函数的分子部分导出方法如下：式中：

μk+1,i＝μk+1|k,i+Kk+1,i(zk+1‑Hk+1μk+1|k,i)；

Pk+1,i＝(I‑Kk+1,iHk+1)Pk+1|k,i；

式中，R为过程噪声的协方差。