本课题是我院图像所承担的武器装备预研项目——“车载轻型防空导弹武器系统”中有关“辅助决策”的一部分,主要研究多方位、多批次的低空或超低空来袭目标(主要是巡航导弹并兼顾各种类型的飞机)的威胁程度并进行排序,以便为目标和火力分配提供依据,并进一步为指挥员作战决策提供参考。其中,建立威胁判断模型和确定目标威胁度算法是本文研究的重点和关键技术问题。　　本文根据现代战争所要面临的威胁环境,首先分析影响目标威胁程度的各种因素,确立了空中目标威胁判断的基本准则;然后将多属性决策理论(MADM)和BP神经网络应用于威胁判断,分别建立了基于 MADM和基于 Levenberg-Marquardt BP(LMBP)神经网络的威胁判断模型以及相应的威胁判断算法,成功地解决了目标威胁度计算并实现排序。最后,比较了两种模型和算法的优缺点。　　为了弥补这两种模型和算法在实际运用中的不足,文中提出了相应的改进方案。其中之一就是将MADM与LMBP神经网络有机地结合起来,这样既充分利用了MADM可方便、快捷地计算威胁度和排序的优点,体现了专家的知识和经验;又较好地发挥了LMBP神经网络具有的自学习、自适应和易于人工调节的功能,利用了作战指挥员丰富的作战经验,从而为威胁判断提供了一种新的思路。