CN104677359B - 一种动态载体运行轨迹预测预报的方法 - Google Patents

Abstract

本发明公开了一种动态载体运行轨迹预测预报的方法，所述方法包括如下步骤：1、通过卫星导航模块和传感器采集动态载体的坐标信息，所述坐标信息中包括角度信息；2、通过计算机对步骤1中采集到的坐标信息进行逼近处理；3、将步骤2中经逼近处理后的坐标数据，通过计算机中的运算程序用数学模型中的关系式对坐标数据进行运算；4、由步骤3的运算结果获得动态载体运行轨迹的预测预报数据，通过显示器或打印设备将预测预报数据输出，同时将所述预测预报数据存储到存储器内。该方法通过对动态载体导航现状分析，能够解决动态载体运动轨迹的实时测量值和下一时段轨迹的预估值。

Description

一种动态载体运行轨迹预测预报的方法

技术领域

本发明涉及导航定位测量技术领域，具体涉及一种动态载体运行轨迹预测预报的方法。

背景技术

动态导航一直是导航涉及的最重大应用领域，包括民用车辆、飞机、船舶的导航，以及军用的飞机、舰艇、导弹、军车、坦克的导航应用。早年动态载体的导航利用天上的星星位置导航；后来发明了指南针，利用磁场的物理特性导航；到了16世纪，随着西方航海业的发达，发明了航位推算方法导航；近代大量利用陀螺加速计等惯性器件导航。上世纪末，自从有了卫星导航系统，卫星导航很快广泛应用于动态载体的导航之中。因为卫星导航系统具有全球覆盖、终端体积小、定位精度高、使用方便等众多优势，还能比较灵活方便地与惯性器件，或地磁计等组合，解决动态载体的导航问题，所以引起人们的高度关注。用卫星导航解决动态载体的导航问题已经成为一种热点。

应用的具体领域大致分为两大类。一类是在交通载体上的应用，如：汽车、船舶、飞机、火车方面的应用。这类应用的基本载体是低速运动载体，应用量最大的为车辆，它结合电子地图以及存储的空间分布信息能给人们指路引路，带来方便与快捷；另一类是在军事和航空航天方面的应用，这类应用中，载体大多是高速运动载体，高速运动的飞行器速度高，所以飞行惯性对轨迹的影响较大。

无论是上述哪一种运动载体，都存在着尚待解决的一个难题。那就是如何能做到真正实时地输出运动载体的位置，甚至如何能预测预报运动载体下一时 刻或下一时段的运行轨迹的问题。

就目前动态载体的导航而论，因为终端须接收信号、处理信号、测出伪距、定轨卫星位置、修正误差、计算位置和速度、滤波处理、地图匹配等步骤。所以当终端位置最后在屏幕上显示时，已有滞后，也就是有较明显的时延。这对于静止状态的位置输出与显示没有问题，但对于动态载体则有较大影响，也就是输出与显示的位置并不是动态载体当时所处的位置了，特别是对于高速运动载体影响则更为严重。这样分析后，就提出了一个问题，是否能够采用某种方案可以真正的得到动态载体当时实际位置信息。实际上除了要求实时输出定位位置信息外，还有一种更高的需求，那就是能否预测下一时刻的位置或下一时段的轨迹呢，倘若能实现，导航的层次就会更高，意义就会更大，因为时间量的提前，意味着能预示轨迹的未来，这可以为动态载体的安全运行及防止事故发生创造条件，能使动态载体的驾驶者判断前景、选择行进路径，对规避事故、分析危险因素等颇有好处。甚至对实现自动驾驶，分析交通态势也有裨益。这对保障动态载体的安全运行会有很大的意义与作用，从学术上说，就是为动态载体实施轨迹控制创造了条件。

由于这一需求的重要意义，人们提出并一直在追求动态载体的预测预报问题。那么如何能实现真正的实时输出动态载体的位置预测预报，已成为本领域技术人员有待解决的技术问题。

在现有技术中，专利申请号为200910046330.3，发明名称运动载体动态实时精密水平测量方法。所属领域为：运动载体水平参数测量技术；惯性导航水平精度鉴定技术；运动载体结构变形测量技术。为了解决运动载体(如车辆、船舶、飞机等)实时精密水平测量基准问题，提供运动载体关键点位实时精密水平信息。提出了基于“实时精密测角装置+惯性导航姿态信息+惯性同步复式平台+ 精密伺服跟踪系统+水平误差检测工具”的系统主体设计方案，在时间同步和主控微机的控制下实现了运动载体水平信息精确测量。作为一种通用的运动载体水平信息监测手段，它易于实现分布式多点位水平测量，可以用于运动载体实时精密水平测量、惯性导航设备水平精度鉴定、运动载体水平结构变形测量等。

专利申请号为201210090622.9，发明名称为一种运动载体光电跟踪稳定平台的控制方法，其特征在于：其具体步骤如下：步骤(1)、建立运动载体光电跟踪稳定平台控制系统，该系统包括一个提供扰动的摇摆台和一个稳定平台，将陀螺安装在稳定平台上；扰动台和稳定平台由各自的力矩电机直接驱动；步骤(2)、针对伺服系统稳定平台，设计高带宽的电流环反馈回路，以保证其力矩电机可以具有足够快的力矩响应；步骤(3)、建立对象模型，所述对象包括稳定平台电机及其平台负载，开启扰动电机和稳定电机，用动态信号分析仪测试对象的频率特性，经拟合得到对象传递函数，将此传递函数设为控制系统内部模型；步骤(4)、采用低通滤波器对陀螺输出信号进行滤波；步骤(5)、采用两步法设计内模控制器Gimc(s)，内模控制器Gimc(s)中的低通滤波器取为1型滤波器；步骤(6)、在内模控制的基础上添加并行负反馈回路构成双口内模控制，从而整个控制系统控制结构是等效复合控制，通过对第二个控制口的设计提高系统的低频增益，将第二个控制器C2(s)设计为PI控制器，这样控制系统变为2型系统。

专利号为201210590613.6，发明名称为一种用于运动载体定位的系统，其特征在于：所述系统包括：三分量磁强计、倾角传感器、第一模数转换模块、第二模数转换模块、坐标转换模块、卡尔曼滤波模块、地磁参考模块、显示单元，坐标转换模块、卡尔曼滤波模块构成数据处理模块；三分量磁强计与第一模数转换模块连接，第一模数转换模块与坐标转换模块连接；倾角传感器与第二模数转换模块连接，第二模数转换模块与坐标转换模块连接，坐标转换模块 与卡尔曼滤波模块连接，卡尔曼滤波模块与显示单元连接，地磁参考模块与卡尔曼滤波模块连接；工作流程如下：(1)三分量磁强计测量地磁场在运动载体坐标系中的三个分量，并将三个分量的模拟信号发送给第一模数转换模块，倾角传感器测量运动载体相对于惯性坐标系的旋转角度，并将旋转角度的模拟信号发送给第二模数转换模块；(2)第一模数转换模块将来自三分量磁强计的模拟信号转换为数字信号，并发送给坐标转换模块；(3)接步骤(1)，第二模数转换模块将来自倾角传感器的模拟信号转换为数字信号，并发送给坐标转换模块；(4)接步骤(2)和(3)，坐标转换模块利用来自第二模数转换模块的信号将来自第一模数转换模块的信号转换为惯性坐标系下的三分量数据信号，并发送给卡尔曼滤波模块；(5)卡尔曼滤波模块利用来自坐标转换模块的信号和地磁参考模块的信号，对运动载体的地理位置进行估计，并将位置信号发送给显示单元进行显示。以上现有技术均未能够解决高速动态载体未来运行趋势与轨迹的预测预报的方法。

发明内容

本发明目的在于，克服现有技术中的缺陷，提供一种依据当前动态载体运行轨迹参数，预测预报未来动态载体运行趋势与轨迹的动态载体运行轨迹预测预报的方法。

为实现上述目的，本发明所述预测预报方法包括如下步骤：

步骤1，通过卫星导航模块和传感器采集动态载体的坐标信息，所述坐标信息中包括角度信息；

步骤2，通过计算机对步骤1中采集到的坐标信息进行逼近处理：

步骤2.1，构建动态载体运行轨迹逼近的数学模型，建立以下数学模型公式(1-1)-(1-3)，

所述数学模型公式(1-1)如下：

上述数学模型公式(1-1)中：minI为优化的目标函数,x_i/y_i分别为第i个测量点的横坐标与纵坐标值，x_n、y_n分别为第n个点的横坐标值、纵坐标值，α_n为第n个测量点速度方向与x轴正向夹角值(0≤<α<2π)，a、b、c为外推多项式的待求系数，在上述模型中，将(x_n,y_n)点作为插值点，把(x_m,y_m)(x_m+1,y_m+1)......(x_n,y_n)点都作为拟合点，并加入角度α约束和纵坐标值y_n约束，

所述数学模型公式(1-2)如下：

上述数学模型中，minI为优化的目标函数，x_i、y_i分别为第i个测量点的横坐标与纵坐标值，α_n为第n个点速度方向与x轴正向夹角值(0≤<α_i<2π)，a,b,c为外推多项式的待求系数、所述模型将(x_m,y_m)(x_m+1,y_m+1)......(x_n,y_n)点值都作为拟合点，角度值α_n作为插值约束值；

所述的数学模型(1-3)如下：

上述数学模型中，minI为优化的目标函数，x_i、y_i分别为第i个测量点的横坐标与纵坐标值、α_i为第i个点速度方向与x轴正向夹角值(0≤<α_i<2π)，ω₁、 ω₂为权系数，a、b、c为外推多项式的待求系数、所述模型中将(x_m,y_m)(x_m+1,y_m+1)......(x_n,y_n)点值都作为拟合点，角度值α_i也能够作为拟合值，但角度值α_n通常作为插值约束值；

步骤2.2，采用代入消元法求解计算步骤2.1所述数学模型中的为外推多项式的待求系数a、b、c，

由上述数学模型公式可得：

c＝y_n-ax_n ²-bx_n……(2)

b＝tanα-2ax_n……(3)

将(2)、(3)代入上述数学模型公式中，

可得关于a的函数式，令：

从而求得待求系数a的值，如下式(5)所示：

步骤3，将步骤2中经逼近处理后的坐标数据，通过计算机中的运算程序用数学模型中的关系式对坐标数据进行运算；鉴于所述动态载体系非直线运动，运行轨迹由A点到o’点再转向B点，其中Ao’连线与水平方向的夹角为α₁，o’B连线与水平方向的夹角为α₂，经坐标变换后通过所述数学模型公式进行求解：

步骤3.1，通过A、o’点外推下一位置点坐标，设A、o’两点坐标分别为(x_n-1,y_n-1)，(x_n,y_n)，其中Ao’方向为A点速度方向，o’B方向为o’点速度方向，选取新坐标系为x’o’y’，其中o’点为新坐标系原点，选取角A o’B的一半为y’轴正向，x’轴选取符合右手定则，

设Ao’方向与x轴正向夹角为α₁，o’B方向与x轴正向夹角为α₂，若α₂-α₁＞0，

则x’轴正向与x轴正向夹角按照以下公式(6)计算：

若α₂-α₁＜0,则x’轴正向与x轴正向夹角为：

步骤3.2，根据上述坐标转换公式，求得A点在x’o’y’坐标系中的坐标值，如以下述公式：

式(8)中，A、o’在新坐标系中的坐标分别为(x_n-1',y_n-1')、(0,0)，将A、o’在新坐标系中的坐标分别为(x_n-1',y_n-1')、(0,0)带入上述外推模型(8)中，外推出下一点(x_n+1',y_n+1')，外推到下一点的长度选取根据第n个测量点的速度及加速度值的大小来决定，也可以按历元递推求得；

步骤3.3，将步骤3.2中的公式(8)反变换到xoy坐标系中，即得下一点(x_n+1',y_n+1')在xoy坐标系中的坐标，按照以下公式(9)确定：

步骤4，通过步骤3的运算结果得到动态载体运行轨迹的预测预报数据，并通过显示器或打印设备将预测预报数据输出，同时将所述预测预报数据存储到存储器内。

本发明的，本发明所述动态载体运行轨迹预测预报的方法优点及有益效果如下：

1、本发明所述方法构筑的广义延拓外推模型充分利用了已有的测量数据，特别是融入了角度信息，成为能反映载体运动趋势的有效的数学模型。能做到实时表述和预测预报，而且预测精度高。

2、本发明所述方法中采用坐标局部变换手段，圆满地解决了直角转弯、大转角转弯时，广义外推模型受正切值制约出现的奇异问题，适用面增宽、增大。

3、与现有技术中的外推模型比较，本发明所述方法避免现有技术中对动态载体运行轨迹预测预报方法产生的过冲问题，是圆满解决大角度转弯的有效手段。

4、本发明所述方法所用的角度信息，既适宜使用磁北计(指南针)及惯性器件输出的角度信息，也完全能够利用卫星导航输出的速度信息计算出所述角度值，实现高精度预测预报。

5、本发明所述方法简单易行，能够直接应用于车载导航仪、手机上，也能够应用到飞机等高速运动的飞行器上。

附图说明

图1为本发明所述方法中车辆大角度转弯轨迹示意图；

图2为本发明所述方法中车辆大角度转弯另一轨迹示意图；

图3为本发明所述方法中车辆沿正弦形道路行进外推一个历元时，预报轨迹仿真示意图；

图4为本发明所述方法中车辆沿Z字形道路行进外推一个历元时，轨迹预报仿真示意图；

图5为本发明所述方法中车辆沿Z字形道路行进外推一个历元时，另一幅轨迹预报仿真示意图；

图6为本发明所述方法中车辆沿另一种Z字形轨迹行进时，外推两点拟合 曲线示意图；

图7为本发明所述方法中车辆沿Z字形轨迹行进时，外推两点拟合曲线示意图；

图8为本发明所述方法实中车辆沿正弦轨迹行进时，外推两点拟合曲线示意图；

图9为本发明所述车辆运行滤波数据预测预报轨迹示意图。

具体实施方式

以下参考说明书附图1至9介绍本发明所述预测预报方法的具体实施方式，所述预测预报方法包括如下步骤：

步骤1，通过卫星导航模块和传感器采集动态载体的坐标信息，所述坐标信息中包括角度信息；

步骤2，通过计算机对步骤1中采集到的坐标信息进行逼近处理：

步骤2.1，构建动态载体运行轨迹逼近的数学模型，建立了3个数学模型分别是模型公式(1-1)-(1-3)，

所述数学模型公式(1-1)如下：

所述数学模型公式(1-1)中：minI为优化的目标函数，x_i、y_i分别为第i个测量点的横坐标与纵坐标值，x_n、y_n分别为第n个点的横坐标值、纵坐标值，α_n为第n个测量点速度方向与x轴正向夹角值(0≤<α<2π)，a、b,、c为外推多项式的待求系数，在上述模型中，(x_n,y_n)点作为插值点，将 (x_m,y_m)(x_m+1,y_m+1)......(x_n,y_n)点都作为拟合点，并加入角度α约束和纵坐标值y_n约束，所述模型公式(1-2)如下：

所述数学模型中，minI为优化的目标函数，x_i、y_i分别为第i个测量点的横坐标与纵坐标值，α_n为第n个点速度方向与x轴正向夹角值(0≤<α_i<2π)，a、b、c为外推多项式的待求系数，所述模型中，将(x_m,y_m)(x_m+1,y_m+1)......(x_n,y_n)点值都作为拟合点，角度值α_n通常作为插值约束值；

所述的数学模型(1-3)为：

所述数学模型中，minI为优化的目标函数，x_i、y_i分别为第i个测量点的横坐标与纵坐标值，α_i为第i个点速度方向与x轴正向夹角值(0≤<α_i<2π)，ω₁、ω₂为权系数，a、b、c为外推多项式的待求系数，所述模型把(x_m,y_m)(x_m+1,y_m+1)......(x_n,y_n)点值都作为拟合点，角度值α_i也可以作为拟合值，但角度值α_n通常将作为插值约束值，

步骤2.2，采用代入消元法求解计算步骤2.1所述数学模型中的外推多项式的待求系数a、b、c，

由上述数学模型公式可得：

c＝y_n-ax_n ²-bx_n……(2)

b＝tanα-2ax_n……(3)

将(2)、(3)代入所述数学模型公式中，

可得关于a的函数式，令：

从而，求得待求系数a的值，如下述公式(5)所示：

步骤3，将步骤2中经逼近处理后的坐标数据，通过计算机中的运算程序用数学模型中的关系式对坐标数据进行运算，因所述动态载体系非直线运动，运行轨迹由A点到o’点再转向B点，其中A o’连线与水平方向的夹角为α₁，o’B连线与水平方向的夹角为α₂，经坐标变换后通过所述数学模型公式进行求解：

步骤3.1，通过A、o’点外推下一位置点坐标，设A、o’两点坐标分别为(x_n-1,y_n-1)(x_n,y_n)，其中Ao’方向为A点速度方向，o’B方向为o’点速度方向，选取新坐标为x’o’y’，其中o’点为新坐标原点，选取角Ao’B的一半为y’轴正向，x’轴选取符合右手定则，

设Ao’方向与x轴正向夹角为α₁，o’B方向与x轴正向夹角为α₂，

若α₂-α₁＞0，则x’轴正向与x轴正向夹角按照以下公式(6)计算：

若α₂-α₁＜0,则x’轴正向与x轴正向夹角为：

步骤3.2，根据上述坐标转换公式可求得A点在x’o’y’坐标系中的坐标值，以下述公式：

即A、o’在新坐标系中的坐标分别为(x_n-1',y_n-1')、(0,0)，将A、o’在新坐标系中的坐标分别为(x_n-1',y_n-1')、(0,0)带入上述外推模型(8)中，外推出下一点(x_n+1',y_n+1')，外推到下一点的长度选取根据第n个测量点的速度及加速度值的大小来决定，也能够按历元递推求得，

步骤3.3，将步骤3.2中的公式(8)反变换到xoy坐标系中，即得下一点(x_n+1',y_n+1')在xoy坐标系中的坐标，按照以下公式(9)确定：

步骤4，通过步骤3的运算结果得到动态载体运行轨迹的预测预报数据，并通过显示器或打印设备将预测预报数据输出，同时将所述预测预报数据存储到存储器内。

实施例

用matlab对模型进行了仿真，特别针对大转弯情况进行仿真，仿真结果证明新模型与其他外推模型相比有更高的外推精度。其中，附图3是本外推模型用matlab模拟车辆沿正弦道路行进，外推一个历元时的外推轨迹示意图；附图4是本外推模型用matlab模拟车辆沿反“Z”字形道路行进外推一个历元时的预报轨迹仿真示意图；附图5是本外推模型用matlab模拟车辆沿另一种反“Z”字形道路行进，外推一个历元时的预报轨迹仿真示意图。在上述几个示意图中，蓝“*”为原始测量值或经精细处理后的测量值，线条“—”为外推得到的预测轨迹数据。

由附图3-5能够看出本递推新模型无论是在转弯角度缓慢过渡，还是转弯角度急疾变化的情况下，均能够获得精准的外推轨迹预测。

本发明所述方法加入角度约束的外推新模型，不但利用了先验数据，而且还结合了角度数据的作用和影响，能够真实地反映行进载体轨迹的趋势，特别是解决了运动载体在拐弯等场景时，预测轨迹的急疾变化问题。

按照本发明所述方法，进行两次历元后所做的运动轨迹的外推，参见附图6-8。附图6车辆沿另一种Z字形轨迹行进时外推两点拟合曲线图；附图7车辆沿反Z字形轨迹行进时外推两点拟合曲线图；附图8车辆沿正弦轨迹行进时外推两点拟合曲线图。从仿真可知本发明外推新模型所求得的拟合曲线，拟合效果还是很好的，外推值精确有效。

本发明所述方法，在北京奥林匹克园区内进行车辆行进导航试验，获得导航数据以后，数据经过广义滤波处理，有本发明所述的方法进行精细加工，得到车辆运行滤波数据预测(递推一个历元)预报轨迹示意图，见附图9。在附图9中，“*”代表滤波后数据，线条“—”代表外推得到的预测轨迹数据。

同样,本发明也可以从二维坐标递推到三维坐标的预测预报。只要把二维矩阵变成三维矩阵即可，公式类同。

本发明不限于上述实施方式，本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更，都不会超出本发明的构思和所附权利要求保护范围。

Claims (3)

1.一种动态载体运行轨迹预测预报的方法，其特征在于，所述预测预报方法包括如下步骤：

步骤1，通过卫星导航模块和传感器采集动态载体的坐标信息，所述坐标信息中包括角度信息；

步骤2，通过计算机对步骤1中采集到的坐标信息进行逼近处理：

步骤2.1，构建动态载体运行轨迹逼近的数学模型，建立以下数学模型公式：

$\left\{\begin{array}{c}\min I=\underset{i=m}{\overset{n}{\&Sigma;}}{({{\mathrm{ax}}_i}^2+{\mathrm{bx}}_i+c-y_i)}^2\\ {{\mathrm{ax}}_n}^2+{\mathrm{bx}}_n+c=y_n\\ 2{\mathrm{ax}}_n+b={\mathrm{tan\&alpha;}}_n\end{array}\right.;$

上述数学模型公式(1-1)中：minI为优化的目标函数,x_i、y_i分别为第i个测量点的横坐标与纵坐标值，x_n、y_n分别为第n个点的横坐标值、纵坐标值，α_n为第n个测量点速度方向与x轴正向夹角值(0≤<α<2π)；

步骤2.2，采用代入消元法求解计算步骤2.1所述数学模型中的为外推多项式的待求系数a、b、c，

由上述数学模型公式可得：

c＝y_n-ax_n ²-bx_n

b＝tanα-2ax_n

将c、b代入上述数学模型公式中，可得关于a的函数式，令：

$\frac{\&part;I}{\&part;a}=O$

从而求得待求系数a的值，如下式所示：

$a=\frac{-\underset{i=m}{\overset{n}{\&Sigma;}}\{\&lsqb;(x_i-x_n)tan\mathrm{\&alpha;}+(y_n-y_i)\&rsqb;*({x_i}^2-2x_n{x}_i+{x_n}^2)\}}{\underset{i=m}{\overset{n}{\&Sigma;}}({x_i}^2-2x_n{x}_i+{x_n}^2)};$

步骤3，将步骤2中经逼近处理后的坐标数据，通过计算机中的运算程序采用数学模型中的关系式对坐标数据进行运算；鉴于所述动态载体系非直线运动，运行轨迹由A点到o’点再转向B点，其中A o’连线与水平方向的夹角为α₁，o’B连线与水平方向的夹角为α₂，经坐标变换后通过所述数学模型公式进行求解如下：

步骤3.1，通过A、o’点外推下一位置点坐标，设A、o’两点坐标分别为(x_n-1,y_n-1)，(x_n,y_n)，其中Ao’方向为A点速度方向，o’B方向为o’点速度方向，选取新坐标系为x’o’y’，其中o’点为新坐标系原点，选取角A o’B的一半为y’轴正向，x’轴选取符合右手定则，

设Ao’方向与x轴正向夹角为α₁，o’B方向与x轴正向夹角为α₂，若α₂-α₁＞0，则x’轴正向与x轴正向夹角按照以下公式计算：

${\mathrm{\&alpha;}}_x=\frac{1}{2}({\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1)+{\mathrm{\&alpha;}}_1$

若α₂-α₁＜0，则x’轴正向与x轴正向夹角为：

${\mathrm{\&alpha;}}_x=\frac{1}{2}\&lsqb;({\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1)+2\mathrm{\&pi;}\&rsqb;+{\mathrm{\&alpha;}}_1;$

步骤3.2，根据坐标转换公式可求得A点在x’o’y’坐标系中的坐标值，如以下述公式：

$\left[\begin{array}{c}{x_{n-1}}^{\&prime;}\\ {y_{n-1}}^{\&prime;}\end{array}\right]=\left[\begin{array}{cc}{x}_{n-1}-x_n& y_{n-1}-y_n\\ y_{n-1}-y_n& x_n-x_{n-1}\end{array}\right]\left[\begin{array}{c}cos{\mathrm{\&alpha;}}_x\\ {\mathrm{sin\&alpha;}}_x\end{array}\right];$

步骤3.3，将步骤3.2中的公式反变换到xoy坐标系中，即得下一点(x_n+1',y_n+1')在xoy坐标系中的坐标，按照下式确定：

$\left[\begin{array}{c}{x}_{n+1}\\ y_{n+1}\end{array}\right]=\left[\begin{array}{cc}{x_{n+1}}^{\&prime;}& -{y_{n+1}}^{\&prime;}\\ {y_{n+1}}^{\&prime;}& {x_{n+1}}^{\&prime;}\end{array}\right]\left[\begin{array}{c}cos{\mathrm{\&alpha;}}_x\\ {\mathrm{sin\&alpha;}}_x\end{array}\right]+\left[\begin{array}{c}{x}_n\\ y_n\end{array}\right];$

步骤4，由步骤3的运算结果获得动态载体运行轨迹的预测预报数据后，通过显示器或打印设备将预测预报数据输出，同时将所述预测预报数据存储到存储器内。

2.如权利要求1所述的动态载体运行轨迹预测预报的方法，其特征在于所述步骤2.1的数学模型公式为：

$\left\{\begin{array}{c}\min I=\underset{i=m}{\overset{n}{\&Sigma;}}{({{\mathrm{ax}}_i}^2+{\mathrm{bx}}_i+c-y_i)}^2\\ \begin{array}{cc}s.t& 2{\mathrm{ax}}_n+b={\mathrm{tan\&alpha;}}_n\end{array}\end{array}\right..$

3.如权利要求1所述的动态载体运行轨迹预测预报的方法，其特征在于步骤2.1所述数学模型公式为：

$\left\{\begin{array}{c}\min I={\mathrm{\&omega;}}_1\underset{i=m}{\overset{n}{\&Sigma;}}{({{\mathrm{ax}}_i}^2+{\mathrm{bx}}_i+c-y_i)}^2+{\mathrm{\&omega;}}_2\underset{i=m}{\overset{n-1}{\&Sigma;}}(2{\mathrm{ax}}_i+b-{\mathrm{tan\&alpha;}}_i)\\ \begin{array}{cc}s.t& 2{\mathrm{ax}}_n+b={\mathrm{tan\&alpha;}}_n\end{array}\end{array}\right.;$

上述数学模型中，ω₁、ω₂为权系数。