在民航领域空中交通控制系统中,应用飞行目标的异常航迹检测技术,当检测到异常航迹时,能够提供报警信息,提高民航客机运行效率和安全。在军事领域,异常航迹检测技术识别出敌机的异常航迹,可以有效地掌握战场态势信息。所以,异常航迹检测在民航领域和军事领域有重要的应用。多目标跟踪技术是实现异常航迹检测的重要前提。研究滤波算法,设计实验,分析实验结果。在数据关联算法中,研究联合概率数据关联算法与改进的概率数据关联算法,后者拥有两个关联波门,使用置信度描述交汇区域内点迹的关联概率系数。对异常航迹进行定义和分类。设计实验来对比前馈神经网络模型、马尔科夫模型和卷积神经网络模型对航迹预测的结果。卷积神经网络预测航迹的误差值是最小的,卷积神经网络可以实现长时间地、精确地预测航迹。聚类异常航迹检测算法实现航迹段聚类,把航迹的信息熵和飞行距离作为航迹异常值的两个因子,然后计算每条航迹的异常值,检测异常航迹。航迹集合中有六条异常航迹,聚类算法计算的这六条异常航迹的异常值均大于阈值,算法准确地检测出异常航迹。设计实验,对比航迹预测的异常检测结果和离线异常检测结果,在实验中,航迹预测异常检测算法计算的六条异常航迹异常值大于阈值,有一条误判航迹,整体上,预测异常检测结果准确率较高。深度学习模型可以抽取航迹的重要特征。自编码器模型较多地用于航迹检测领域,变分自编码器模型用于航迹检测领域较少,创新点是本论文提出使用变分自编码器模型对航迹检测。变分自编码器模型异常航迹检测算法对航迹数据重建,把具有低重建概率的航迹作为异常航迹。设计实验,实验数据为卷积神经网络模型预测后的航迹,分析和比较自编码器模型和变分自编码器模型对航迹检测的结果,两个算法具有较高的检测准确率。航迹检测系统,作为应用工程部分,研究系统的研发背景、需求分析、总体设计、详细设计、系统功能测试等。作者参与研发航迹检测功能部分,采用卷积神经网络模型预测航迹未来位置信息,然后采用异常航迹检测算法对航迹进行检测。