随着现代空战武器装备的不断发展,空战态势环境日益复杂,影响指挥员决策的属性因素越来越多,对指挥员态势理解的要求越来越高。作为一种减轻指挥员压力的重要辅助决策手段,威胁评估技术在空战态势对抗过程中受到了广泛的重视。空战目标威胁评估是空战态势对抗中必不可少的一环,正确评估敌空战目标对我方的威胁在一定程度上能够主导空战态势、实现快速制胜,是在多变化、高动态、强对抗的空战态势环境下取得制空权的关键。随着信息化装备的不断发展,空战态势信息爆炸式增长,其中蕴含着大量的空战非线性规律,传统的空战目标威胁评估方法不具备自学习能力,不能利用大量的空战态势信息对空战目标的威胁程度进行推理,智能化水平无法匹配复杂环境下的态势演变速度,导致出现威胁评估结果不准确的问题,直接影响指挥员对于当前空战态势的理解与研判。为了解决上述问题,本文分析了空战目标的不同威胁属性,研究了基于全连接神经网络的空战目标威胁评估方法,提升了空战目标威胁评估方法的智能化水平,该方法从大量空战态势数据中拟合空战目标威胁程度的数据分布,在此基础上完成对空战目标的威胁评估。本文主要研究内容如下:(1)空战目标威胁属性表征分析与常用威胁评估方法:分析空战目标的空战能力属性和空战态势属性,合理表征空战目标的属性,对其进行合理量化或计算其相应威胁因子,建立目标的属性矩阵,综合主客观方法确定目标各属性的权重,计算目标相对贴近度,对空战目标的威胁程度进行评估。(2)基于全连接神经网络的空战目标威胁评估方法:想定空战场景,分析空战目标威胁属性,对其进行合理分析量化,基于全连接神经网络构建合适的网络,结合批归一化算法与残差网络增强网络学习能力、加快收敛速度,利用该场景下空战态势数据对网络进行训练,自主学习空战态势规律,得到的威胁评估模型面向空战态势信息时具备很强的信息处理能力,可用于实现空战目标威胁评估。(3)基于全连接神经网络的空战多目标威胁评估方法:研究空战多目标整体对我方的威胁程度,想定多目标空战场景,分析量化多目标威胁属性,在全连接神经网络的基础上结合优化算法构建合适的网络,将各属性的量化结果作为网络的输入,输出为相应的威胁等级,通过调整网络超参数与网络结构对网络进行训练与测试,分析实验结果,判断得到空战多目标威胁评估模型的性能与状态,可将评估效果较好的模型用于空战多目标威胁评估。