随着移动互联网以及移动计算技术的飞速进步,移动对象数据管理与分析的需求不断扩大,推动了移动对象数据库相关研究的发展。此外,如舰船仿真等的军事仿真实验系统中也面临着处理大量移动对象轨迹数据的问题。如何有效的对这些数据进行管理已经成为越来越重要的问题。对于移动对象的轨迹数据,通常可以使用R-tree以及若干基于R-tree的索引方法进行索引。但由于舰船仿真轨迹数据本身的特征,使得在舰船轨迹数据上应用基于MBR的索引方法时将产生MBR间的覆盖现象,降低索引效率。因此,本文根据舰船仿真数据的实际特征,提出了两种轨迹数据索引方法。第一种为分层-固定网格相结合的索引方法,对仿真的轨迹数据进行索引。该方法通过对轨迹数据变化不均衡的空间维度进行分离,并使用不同的子索引方法,以增强索引的时空区分能力,该方法能够很好的切合仿真数据分析中面向轨迹局部特征查询的需要。第二种方法通过对轨迹在参考点处的安全级别序列进行索引,提出了基于四叉树的安全状态序列索引方法。该方法提供了面向轨迹全局特征的查询功能。此外,本文给出了舰载机轨迹数据的预处理方法,然后对下滑轨迹数据的降维方法进行了研究,提出了基于主元的参考点序列选取算法以及下滑轨迹动力学参数主元算法,并进行了算法实现以及实验验证。算法处理后形成原始数据的参考点特征序列,在此之上,本文将时间序列挖掘领域的研究方法引入到舰载机轨迹研究中,使用BP神经网络模型进行舰载机着舰结果的预测以及下滑轨迹数据分类的研究。分别建立了相应的网络模型并使用舰载机仿真数据进行了实验验证。