安全可靠的航空管制依赖于可靠的航空监视信息,但是航空监视信息并不总是可靠并且高精度的。如果航空管制中心获得的对目标的监视信息并不是准确的,将有可能导致严重后果。现阶段常用的航空监视信息来源包括二次雷达,ADS-B。原始的监视信息并不能直接投入使用,因为其包含各种系统固有误差和测量误差,导致其精度达不到相应要求。以二次雷达为例,其监视数据往往需要经过卡尔曼滤波才能进行使用。本论文提出了基于SVR算法的多源雷达数据融合方法。该方法使用多雷达传感器数据来进行融合获得置信度更高的结果,来降低雷达测量误差,融合后平均误差能降低40%左右,并且效果优于卡尔曼滤波算法。该方法使用机器学习自动调参过程取代传统卡尔曼滤波器复杂的人工调参过程。并且整个过程无需知道雷达仪器测量噪声以及其他系统固有误差。本论文还提出了基于SVR算法的单雷达数据滤波方法。单雷达滤波问题由多源雷达数据融合问题退化而来。其目的在于过滤掉单雷达测量数据中的测量误差,使用SVR算法滤波后误差能降低20%左右,效果优于卡尔曼滤波算法的滤波效果。基于以上两种建模方法,本论文建立了航空监视信息融合系统,该系统整合航空监视信息数据处理、自动化建模、仿真测试等功能。能够处理大批量原始雷达报文数据和ADS-B数据并生成相应模型,最后在仿真环境中验证模型的有效性。