生物集群中的个体利用简单的规则、局部的交互，能够形成鲁棒性强、自适应度高、可扩展性好的自组织行为，其集群行为动力学机制有待深入研究。本文以群体协同能力较好的鸽子作为模式动物，利用GPS记录设备收集鸽群飞行轨迹数据，并分析群体飞行行为特性，建立了包含集群、局部、感知和层级机制的鸽群飞行动力学模型并将模型和Kalman滤波框架相结合，实现预测鸽群飞行轨迹的目的，将其用于分析鸽群层级结构。本文的研究结果对于揭示鸽群飞行动力学机制具有积极意义。已完成的工作概括如下：
　　（1）完成了大量鸽群放飞和飞行轨迹记录实验，对经过放飞预训练的鸽群进行放飞实验并收集鸽群飞行GPS位置数据，结合阴影滤波方法对含噪的GPS数据进行了降噪处理，然后利用计算方向相关延迟的方法确定了鸽群飞行过程中领导等级结构，最后结合已有文献资料总结出四种典型鸽群飞行机制：全局与局部机制、鸽子有限时间探索机制、鸽子有限视野机制和鸽群飞行领导层级机制，为建立鸽群飞行动力学模型奠定了基础。
　　（2）在已有模型理论的基础上建立了包含集群、局部、感知和层级机制的鸽群飞行动力学模型。模型分为两部分，全局动力学部分和局部动力学部分，其中全局动力学主要基于集群飞行机制，用于解释鸽群整体行动；局部动力学则描述了鸽群飞行过程中群内内部个体之间的相互动力学关系，整合了局部排斥-吸引机制、鸽子飞行有限感知机制和鸽群层级领导机制。通过使用引入集群分裂和迷失探索机制的改进鸽群优化算法确定鸽群飞行动力学模型的最优参数。模型模拟对比结果表明了本文模型的有效性和准确性。
　　（3）将本文所建立鸽群飞行动力学模型作为状态预测模型，GPS数据作为观测数据结合Kalman模型框架建立了鸽群飞行轨迹预测模型，利用对仿真飞行轨迹加噪的方法验证了预测模型不仅可以对鸽群飞行做一定的预测，还可以一定程度上去除GPS数据的噪声。最后将预测模型应用于GPS数据对其进行去噪，对去噪后数据计算鸽群飞行领导等级，证明预测模型的有效性。