1.一种空中交通管制系统的航空器轨迹预测方法，所述空中交通管制系统包括机载终端模块、数据通信模块、监视数据融合模块以及管制终端模块；监视数据融合模块用于实现空管雷达监视数据与自动相关监视数据的融合，为管制终端模块提供实时航迹信息；其特征在于：所述管制终端模块包括以下子模块：

飞行前无冲突4D航迹生成模块，根据飞行计划和世界区域预报系统的预报数据，建立航空器动力学模型，然后依据飞行冲突耦合点建立航迹冲突预调配理论模型，生成航空器无冲突4D航迹；

飞行中短期4D航迹生成模块，依据监视数据融合模块提供的实时航迹信息，利用隐马尔科夫模型，推测未来一定时间窗内的航空器4D轨迹；

所述空中交通管制系统的航空器轨迹预测方法包括如下几个步骤：

步骤A、飞行前无冲突4D航迹生成模块根据飞行计划和世界区域预报系统的预报数据，建立航空器动力学模型，并依据飞行冲突耦合点建立航迹冲突预调配理论模型，生成航空器无冲突4D航迹；

步骤B、监视数据融合模块将空管雷达监视数据与自动相关监视数据进行融合，生成航空器实时航迹信息并提供给管制终端模块；管制终端模块中的飞行中短期4D航迹生成模块依据航空器实时航迹信息和历史航迹信息推测未来一定时间窗内的航空器4D轨迹；所述依据航空器实时航迹信息和历史航迹信息推测未来一定时间窗内的航空器4D轨迹的具体实施过程如下：步骤B6、对航空器轨迹数据预处理，依据所获取的航空器原始离散二维位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一阶差分方法对其进行处理获取新的航空器离散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1],其中△xb＝xb+1-xb,△yb＝yb+1-yb(b＝1,2,...,n-1)；

步骤B7、对航空器轨迹数据聚类，对处理后新的航空器离散二维位置序列△x和△y，通过设定聚类个数M'，采用K-means聚类算法分别对其进行聚类；

步骤B8、对聚类后的航空器轨迹数据利用隐马尔科夫模型进行参数训练，通过将处理后的航空器运行轨迹数据△x和△y视为隐马尔科夫过程的显观测值，通过设定隐状态数目N'和参数更新时段ζ'，依据最近的T'个位置观测值并采用B-W算法滚动获取最新隐马尔科夫模型参数λ'；

步骤B9、依据隐马尔科夫模型参数，采用Viterbi算法获取当前时刻观测值所对应的隐状态q；

步骤B10、通过设定预测时域h'，基于航空器当前时刻的隐状态q，获取未来时段航空器的位置预测值O。

2.根据权利要求1所述的空中交通管制系统的航空器轨迹预测方法，其特征在于：步骤B中，所述聚类个数M'的值为4，隐状态数目N'的值为3，参数更新时段ζ'为30秒，T'为10，预测时域h'为300秒。

3.根据权利要求1或2所述的空中交通管制系统的航空器轨迹预测方法，其特征在于：

步骤B的B8具体是指：由于所获得的航迹序列数据长度是动态变化的，为了实时跟踪航空器航迹的状态变化，有必要在初始航迹隐马尔科夫模型参数λ'＝(π,A,B)的基础上对其重新调整，以便更精确地推测航空器在未来某时刻的位置；每隔时段ζ'，依据最新获得的T'个观测值(o1,o2,...,oT')对航迹隐马尔科夫模型参数λ'＝(π,A,B)进行重新估计；

步骤B的B10具体是指：每隔时段 ，根据最新获得的隐马尔科夫模型参数λ'＝(π,A,B)和最近H个历史观测值(o1,o2,...,oH)，基于航空器当前时刻的隐状态q，通过设定预测时域h'，在时刻t获取航空器在未来时段h'的位置预测值O。

4.根据权利要求1至3之一所述的空中交通管制系统的航空器轨迹预测方法，其特征在于：时段 为4秒。

5.根据权利要求1至4之一所述的空中交通管制系统的航空器轨迹预测方法，其特征在于：所述步骤A的航空器无冲突4D航迹按照以下方法生成：步骤A1、进行航空器状态转移建模，根据飞行计划中航空器的飞行高度剖面，建立单个航空器在不同航段转移的Petri网模型：E＝(g,G,Pre,Post,m)为航空器阶段转移模型，其中g表示飞行航段，G表示垂直剖面中飞行状态参数的转换点，Pre和Post分别表示航段和航路点的前后向连接关系， 表示航空器所处的飞行阶段；

步骤A2、建立航空器全飞行剖面混杂系统模型如下，

vH＝κ(vCAS,Mach,hp,tLOC)，

vGS＝μ(vCAS,Mach,hp,tLOC,vWS,α)，

其中vCAS为校正空速，Mach为马赫数，hp为气压高度，α为风向预报与航路的夹角，vWS为风速预报值，tLOC为温度预报值，vH为高度变化率，vGS为地速；

步骤A3、采用混杂系统仿真的方式推测求解航迹：采用将时间细分的方法，利用状态连续变化的特性递推求解任意时刻航空器在某一飞行阶段距参考点的航程和高度 其中J0为初始时刻航空器距参考点的航程，△τ为时间窗的数值，J(τ)为τ时刻航空器距参考点的航程，h0为初始时刻航空器距参考点的高度，h(τ)为τ时刻航空器距参考点的高度，由此可以推测得到单航空器的4D航迹；

步骤A4、对多航空器耦合模型实施无冲突调配：根据两航空器预达交叉点的时间，按照空中交通管制原则，对交叉点附近不满足间隔要求的航空器4D航迹进行二次规划，得到无冲突4D航迹。

6.根据权利要求1至5之一所述的空中交通管制系统的航空器轨迹预测方法，其特征在于：所述步骤B中监视数据融合模块将空管雷达监视数据与自动相关监视数据进行融合，生成航空器实时航迹信息，具体按照以下方法：步骤B1、将坐标单位和时间统一；

步骤B2、采用最邻近数据关联算法将属于同一个目标的点相关联，提取目标航迹；步骤B3、将分别从自动相关监视系统和空管雷达提取的航迹数据从不同的时空参考坐标系统变换、对准到管制终端统一的时空参考坐标系统；

步骤B4、计算两条航迹的相关系数，若相关系数小于某一预设阈值，则认为两条航迹不相关；否则该两条航迹相关，可以进行融合；

步骤B5、对相关的航迹进行融合。

7.根据权利要求1至6之一所述的空中交通管制系统的航空器轨迹预测方法，其特征在于：所述步骤B5中对相关的航迹进行融合，采用基于采样周期的加权平均算法，其加权系数根据采样周期和信息精度确定，再利用加权平均算法将与之相关的自动相关监视航迹和空管雷达航迹融合为系统航迹。