1.基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，包括以下步骤：S1、设定信号源的轨迹方程，并基于所述轨迹方程构建声传感器坐标方程；

S2、将声传感器坐标方程转换为线性方程；

S3、根据原始OZND方程，构建SINRZND模型；

S4、在SINRZND模型的基础上构建SIDSNRZND-TZ离散模型，并利用其求解线性方程，得到TDOA移动目标位置；

其中，SINRZND模型为强初态抗噪归零神经动力学模型，SIDSNRZND-TZ模型为强初态可衰步长抗噪归零神经动力学模型；所述步骤S3中，原始OZND方程为：；

式中，的时间导数，表示控制收敛速度的尺度参数；

构建的SINRZND模型包含新的强初态时变系数以及可变时间步长，所述SINRZND模型表示为：；

式中，表示SINRZND模型中新的强初态时变系数，表示线性方程的误差函数，和表示控制收敛速度的第一尺度参数和第二尺度参数，且均为固定实参数，表示为被积函数时的形式，表示时间t的换元；

其中，新的强初态识别系数的表达式为：

；

可变时间步长的表达式为：

；

式中，、表示控制的大小从而控制模型收敛的第一参数和第二参数，表示初态增强函数，，表示可衰减函数，，⌊ ⌋表示向下取整，exp表示e的幂运算，e为自然常数，]为固定参数；

所述步骤S4具体为：

S41、利用构建的SINRZND模型对线性方程的误差函数进行重构；

S42、在误差函数重构的基础上，利用构建的SINRZND模型求解线性方程，确定目标位置初步解；

S43、引入ADZND-TZ可变时间步长离散算法以进一步构建离散模型；

S44、在构建的离散模型基础上，将ADZND-TZ可变时间步长离散算法中原可变时间步长改为函数对应的离散形式，并结合SINRZND模型，得到SIDSNRZND-TZ离散模型，进而确定目标位置初步解对应的离散解，得到TDOA移动目标位置。

2.根据权利要求1所述的基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，所述步骤S1中，构建的n个传感器的坐标方程表示为：；

式中，表示第n个传感器的x轴坐标，表示主传感器的x轴坐标，表示第2个传感器的x轴坐标，表示第n个传感器的y轴坐标，表示主传感器的y轴坐标，表示第2个传感器的y轴坐标，表示第n个传感器的z轴坐标，表示主传感器的z轴坐标，表示第2个传感器的z轴坐标，（,,）表示移动目标位置，为第2个传感器到虚拟三维坐标系原点的距离相关的计算参数，为第n个传感器到虚拟三维坐标系原点的距离相关的计算参数，表示声源与主传感器的距离，表示声源距离第2个传感器与距离主传感器之间的距离差，表示声源距离第n个传感器与距离主传感器之间的距离差。

3.根据权利要求2所述的基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，所述步骤S2中，将声传感器坐标方程转换的线性方程表示为：；

所述线性方程对应的误差函数表示为：

；

其中，，，。

4.根据权利要求1所述的基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，所述步骤S41中，对线性方程的误差函数进行重构的表达式为：；

式中，表示的一阶导数，表示的一阶导数，表示的一阶导数，、表示控制收敛速度的第一尺度参数和第二尺度参数，且均为固定实参数。

5.根据权利要求4所述的基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，所述步骤S42中，目标位置初步解的表达式为：；

式中，表示的广义逆矩阵，通过对误差进行求一阶导，即梯度，使x、y、z沿负梯度方向前进，沿这个方向最后到达的结果就是移动目标的位置。

6.根据权利要求5所述的基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，所述步骤S43中，引入的ADZND-TZ可变时间步长离散算法表示为：当时：

；

当时：

；

式中，表示函数的离散形式，表示的离散形式，表示的迭代更新值，表示前一个时刻的迭代值，表示前两个时刻的迭代值，下标k表示信号在时间处的取样，表示ADZND-TZ可变时间步长离散算法中的原可变时间步长。

7.根据权利要求6所述的基于SIDSNRZND-TZ离散模型的TDOA移动目标定位方法，其特征在于，所述步骤S43中，利用SIDSNRZND-TZ离散模型求解线性方程，获得的TDOA移动目标位置表示为：当时：

；

当时：

；

式中，，，表示的离散化，表示的离散形式，、均表示的离散形式，、均表示的离散形式，表示的离散形式，表示一阶导数的离散形式，表示一阶导数的离散形式，表示的离散形式，表示的离散形式，表示的离散形式，其中，下标k表示信号在时间处的取样，下标j表示信号在时间处的取样。