1.一种航空器轨迹预测方法，该方法由空中交通管制系统实施，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；

所述步骤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。

2.根据权利要求1所述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。