1.一种基于意图高度的航空器质量估计方法，其特征在于，包括以下步骤：
步骤1，解析目标航空器的S模式雷达数据，得到该航空器在各航迹点的数据集TP＝{tpi，i＝1,2，...，N}，其中，tpi为第i个航迹点的数据；
解析气象数据，得到气象数据集合WD＝{windj，j＝1,2，...，M}，其中，windj表示第j个风向量；
步骤2，插值计算航迹点数据tpi对应的UV坐标系中U方向和V方向的风速分量wind_ui和wind_vi；
步骤3，设置高度阈值ηh，计算航迹点数据中的气压高度Hp与意图高度MCP的高度差值Δh，比较高度差值Δh与高度阈值ηh的大小，添加缓冲高度标签flag；
步骤4，设置缓冲时间Δt，根据缓冲时间更新航迹点的数据集合TR；
步骤5，分解真空速TAS到U方向和V方向，计算风对目标航空器的影响；
步骤6，设置质量序列，计算不同质量对应的航空器的功率power、Q值以及单位质量下功率power和Q值的均方误差error，比较均方误差error数值大小获得目标航空器的估计质量massest；
步骤7，设置高度层序列，筛选各个高度层中的的航迹点数据，计算不同高度层对应的航空器估计质量massfl；
步骤8，获取目标航空器的最终估计质量：对所有高度层的航空器估计质量massfl进行数值校验，去除异常质量，得到有效质量序列，计算有效质量的平均质量作为目标航空器的最终估计质量。
2.根据权利要求1所述的基于意图高度的航空器质量估计方法，其特征在于，步骤1中所述的第i个航迹点的数据tpi，为一个向量，具体如下：
tpi＝[ti，hpi，mcpi，tasi，θi]
其中，ti、hpi、mcpi、tasi和θi分别代表第i个航迹点对应的时间、气压高度、意图高度、真空速和航向角，N为航迹点总数。
3.根据权利要求2所述的基于意图高度的航空器质量估计方法，其特征在于，步骤1中所述的第j个风向量windj，具体如下：
风向量windj由UV坐标系中的方向U和方向V两个方向的分量组成，记作：
windj＝(wind_uj，wind_vj)
其中，每个方向的风向量都是一个基于时间与空间的四维矢量，分别记作：
wind_uj＝(tj，lj，lonj，latj)
其中，tj、lj、lonj和latj分别表示第j个风向量对应的时间戳、高度层、经度和纬度。
4.根据权利要求3所述的基于意图高度的航空器质量估计方法，其特征在于，步骤2中所述的插值计算航迹点数据tpi对应的UV坐标系中U方向和V方向的风速分量wind_ui和wind_vi，具体方法如下：
步骤2.1，获取与航迹点数据tpi中的时间ti最近的风向量的时间戳tj对应的时间索引，记作indext；
步骤2.2，获取与航迹点数据tpi中的高度hpi最近的风向量的高度层lj对应的索引，其中，最近的上高度层索引记作indexh_top，最近的下高度层索引记作indexh_bottom；
步骤2.3，根据时间索引indext与高度层索引indexh_top和indexh_bottom，得到当前高度层下的风向量集合WDl，如下：
WDl＝{windt,l,lon,lat|t＝indext，l∈[indexh_top，indexh_bottom]}
遍历上述集合中的向量，计算高度层风速windlon,lat，计算方法为：
其中，x和y分别表示当前高度层下的风向量windj的经度和纬度，Dx,y表示风向量windj与第i个航迹点的距离，windlon,lat为当前高度层下第i个航迹点处的风速，根据上述方法分别计算上下高度层对应的风速wind_toplon,lat和wind_bottomlon，lat；
步骤2.3，第i个航迹点的风向量为上下高度风速向量wind_toplon，iat与wind_bottomlon,lat的均值，记作windi＝(wind_ui，wind_vi)，其中，wind_ui和wind_vi表示其在U方向和V方向上的分量。
5.根据权利要求4所述的基于意图高度的航空器质量估计方法，其特征在于，步骤3中所述的添加缓冲高度标签flag的具体方法为：
比较高度差值Δh与高度阈值ηh的大小，如果Δh＜ηh，则判定为异常航迹高度数据，添加缓冲高度标签flag为0，否则判定为正常航迹高度数据，添加缓冲高度标签flag为1。
6.根据权利要求5所述的基于意图高度的航空器质量估计方法，其特征在于，步骤4中殴的根据缓冲时间Δt更新航迹点的数据集合TR，具体方法为：
步骤4.1，设置前向缓冲时间Δtforward，找到航迹数据集中缓冲高度标签为0的航迹点数据tpi，移该除航迹点向前Δtforward个数据，得到新的航迹点的数据集TP′＝{tpi，i＝1,
2，...，N′}，且N′≤N；
步骤4.2，设置后向缓冲时间Δtbackward，找到新的航迹数据集TP′中缓冲高度标签为0的航迹点tpi，移除该航迹点向后Δtbackward个数据，得到新的航迹点的数据集TP″＝{tpi，i＝
1,2，...，N″}，且N″≤N′≤N。
7.根据权利要求6所述的基于意图高度的航空器质量估计方法，其特征在于，步骤5中所述的计算风对目标航空器的影响，具体过程为：
步骤5.1，在新的航迹点数据集TP″中，分解航迹点数据tpi中的真空速tasi到U方向和V方向，方法如下：
其中，真空速tasi在U方向上的分量记作tas_ui，真空速tasi在V方向上的分量记作tas_vi；
步骤5.2，计算风对目标航空器的影响effecti，方法如下：
effecti＝(wind_ui+1‑wind_ui)tas_ui+(wind_vi+1‑wind_vi)tas_vi
其中，wind_ui+1和wind_ui为当前航空器在ti+1和ti时刻的U方向上的风速分量，wind_vi+1和wind_vi为当前航空器在ti+1和ti时刻的V方向上的风速分量。
8.根据权利要求7所述的基于意图高度的航空器质量估计方法，其特征在于，步骤6中所述的获得目标航空器的估计质量massest，具体过程如下：
步骤6.1，根据BADA性能模型获取目标航空器的最小质量massmin与最大质量massmax，在质量区间[massmin×ηmin，massmax×ηmax]内线性插值K个质量数值，其中，ηmin和ηmax分别是质量上限阈值和质量下限阈值，得到质量序列MA＝{massk，k＝1,2，...K}，其中，massk表示该序列中的第k个质量；
步骤6.2，遍历质量序列，分别计算质量序列中每个质量对应的功率power与Q值，根据BADA性能模型，计算航迹点数据tpi对应的功率power与Q值，记作poweri(massk)与Qi(massk)；
步骤6.3，计算第k个质量massk时全部航迹点的均方误差errork，方法如下：
其中，tpi∈TR″，得到massk对应的均方误差序列ERROR＝{errork，k＝1,2，...，K}，其中，errork数值最小对应的质量就是目标航空器的估计质量massest。
9.根据权利要求8所述的基于意图高度的航空器质量估计方法，其特征在于，步骤7中所述的计算不同高度层对应的航空器估计质量massfl，具体方法如下：
步骤7.1，设置航空器的最低飞行高度层fllow与最低飞行高度层flhigh，在高度层区间[fllow，flhigh]内线性插值Z个高度层数值，得到高度层序列FL＝{flz，z＝1,2，...Z}，其中，flz表示第z个高度层；
步骤7.2，遍历该高度层序列，比较航迹点数据tpi中的高度hpi与高度层flz，找到最近的高度对应的航迹点索引indexfl；
步骤7.3，计算航迹点索引indexfl前k个质量massk对应的全部航迹点的均方误差errork，方法如下：
得到对应高度层的航空器估计质量massfl，以及所有高度层下的航空器估计质量集合M＝{massfl，fl∈FL}。
10.根据权利要求9所述的基于意图高度的航空器质量估计方法，其特征在于，步骤8中所述的获取目标航空器的最终估计质量，具体过程如下：
步骤8.1，对航空器估计质量集合M＝{massfl，fl∈FL}中的每个数值进行合理性校验，包括：去除空数值，删除超出[massmin，massmax]质量区间的数值，得到航空器的有效估计质量集合M′＝{massfl，fl∈FL′}；
步骤8.2，计算有效估计质量集合M′中全部质量的平均质量mass＝average{massfl|fl∈FL′}，该平均质量mass即为目标航空器的最终估计质量。