无人机在军事和非军事领域的广泛应用使飞行控制技术成为国内外的研究热点。地面站是飞行控制系统的重要组成部分。因此，研究适应不同任务需求的地面站对飞行控制系统的工程研发和实际应用有重大的意义。　　 本文对无人机地面站及扩展的航迹融合与规划进行研究，主要研究成果如下：　　 1.地面站的建设。地面站由两大功能模块组成，主要实现实时数据的处理以及传感器的控制。其中，监控模块需要监测的数据包括：GPS、飞机PID控制参数、无人机自身的工作电压、动力电压、舱内温度等。导航模块采用主动式和非主动式两种模式，主要由导航初始子模块、航线管理子模块、飞控设置子模块来完成对传感器的控制功能。为了满足导航与定位的需求，地面站扩展了一个特殊模块——航迹融合与规划模块。　　 2.串口通讯协议设计。通讯协议中涉及到的数据跟地面站各模块处理的信息相关，协议的编码以字节为单位，协议的说明具体到每一比特位。最后使用MSCOMM控件和多线程的API函数来对串口通讯进行了软件的实现。　　 3.航迹融合问题。航迹融合的整个过程分为以下六个阶段：　　 (1)数据获取阶段，统一数据的结构；　　 (2)数据预处理阶段，进行了假定；　　 (3)数据校准阶段，采用拉格朗日三点插值法对时间进行校准；　　 (4)航迹相关阶段，根据可达性原则设计出单传感器单航迹的提取算法，针对最大隶属度原则算法的缺点，运用事例推理的思想重新设计出一种航迹的相关算法；　　 (5)航迹融合阶段，对基于概率统计的八种滤波算法(EKF、UKF、PF、PF-EKF、PF-UKF、PF-EKF-MCMC、PF-UKF-MCMC)进行仿真比较，接着选用合适的滤波算法，并对选择的算法进行一定的改进，最后使用改进的滤波算法对航迹进行融合处理；　　 (6)航迹预测与定位阶段，建立Singer模型，使用卡尔曼滤波器对航迹进行预测。　　 4.航迹规划问题。主要研究基于粒子群优化算法的航迹规划，为了提高基本粒子群优化算法中粒子的搜索能力而引入惯性因子，对引入的惯性因子进行动态转化，同时为了改善粒子的早熟收敛和全局收敛性能差等缺点继续引入遗传交叉因子，最后对适应度函数也进行研究，并针对四种基本的适应度函数分别进行仿真比较。将带惯性因子和遗传交叉因子的粒子群算法运用于航迹规划中，根据实际问题重新设计了适应度函数，利用三次立方插值法建立威胁模型，最后根据威胁曲面与水平面的映射简化了问题，并仿真出规划后的轨迹。　　 对航迹融合与航迹规划算法的研究，最终为了应用到无人机地面站中的特殊模块中。