2.一种基于人工智能的实时飞行弹道跟踪方法，基于权利要求1所述的一种基于人工智能的实时飞行弹道跟踪系统，其特征在于，包括：

　　3.如权利要求2所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：所述从雷达、光电测量、惯性导航传感器和卫星导航数据中实时采集弹道数据，形成多源异构的时序数据流的步骤为，

　　4.如权利要求3所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：所述通过轨迹关联分析识别目标弹道的时空关系，形成初步的轨迹模型的步骤为，

　　5.如权利要求4所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：步骤s2中，通过实时跟踪的弹道数据变化调整时间窗范围：

　　6.如权利要求5所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：所述根据步骤s1输出的弹道数据，实时评估目标运动的动态特性，包括速度变化率和加速度变化趋，并基于动态特性定义动态时间窗长度的步骤为，

　　7.如权利要求6所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：所述目标的当前状态的更新方式为，

　　8.如权利要求7所述的一种基于人工智能的实时飞行弹道跟踪方法，j9九游会入口其特征在于：所述在调整后的时间窗内，结合历史数据和实时弹道数据特性，采用多模态预测算法实时更新目标的当前状态的步骤为，

　　9.如权利要求8所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：步骤s3中，对标记缺失数据进行补全，步骤为，

　　10.如权利要求9所述的一种基于人工智能的实时飞行弹道跟踪方法，其特征在于：所述将步骤s3中更新的轨迹状态与实时弹道数据进行比对，计算轨迹偏差，并动态调整步骤s3中的跟踪模型参数的步骤为，

　　本发明公开了一种基于人工智能的实时飞行弹道跟踪系统及方法，涉及弹道跟踪技术领域，本发明，通过动态调整时间窗长度，有效解决了传统方法中存在的实时性不足和精度受限的问题，当目标运动平稳时，时间窗保持较短，减少冗余计算，提高跟踪效率；而在目标运动剧烈变化时，时间窗自动延展，有效覆盖足够的历史数据以支持高精度预测；此外，综合目标的速度变化率和加速度变化趋势构建的动态特性指标；相比传统固定时间窗方法，本方法在数据中断场景下具备更强的鲁棒性，通过自动检测数据中断并延展时间窗至最大值，保证了轨迹补全所需的历史数据输入，从而提升了轨迹连续性和跟踪可靠性。