在军事对抗过程中,战场局势瞬息万变,战机稍纵即逝。能够迅速的从海量的战场态势信息获取有价值的数据信息,正确的进行理解和推断,得出尽可能准确的敌方作战目标战术意图,是指挥决策的重要依据之一,也是左右战局胜负的关键因素。当前,在科技高速发展的推动下,军事作战日益突显出信息化和智能化,战场信息融合技术的研究和应用也逐渐向高层领域转移,以作战意图的推理与识别为代表的战场态势分析与评估技术正在成为研究的热点。本文以“十一五”、“十二五”国防预研项目为背景展开研究,从分析作战任务及战术意图相关概念和实施过程出发,提出了用于表达和推理规划分解过程的序列贝叶斯网络模型,并基于该模型建立了用于战术意图识别的动态序列贝叶斯网络模型;其次,针对推理模型的构建问题,研究和扩展了多实体贝叶斯体系的推理知识表达能力,提出了基于扩展多实体贝叶斯体系的战术意图推理模型构建算法;进而针对扩展多实体贝叶斯体系知识逻辑的获取问题,设计了基于数据统计及知识挖掘相关理论的战术意图推理知识的发现流程。本文的主要创新性工作如下:(1)提出了用于描述规划展开过程的序列贝叶斯模型,并建立了一种用于战术意图过程表达及推理识别的动态序列贝叶斯模型。分析了规划问题中的重要环节——序列展开过程,并针对该过程的表达需求提出了序列贝叶斯模型。该模型描述的随机事件若干状态与子随机事件若干状态序列之间的对应关系,是经典的BN模型、DBN模型等相关模型理论所不能描述的,它很好的反映了规划展开的过程,是进行战术意图识别等规划识别所必需的表达和推理结构。同时,基于子事件状态转换规则的事件序列概率计算方法,本文还研究和给出了序列贝叶斯模型的概率计算方法。进而分析了作战任务和战术意图的规划展开及执行过程,分别采用序列贝叶斯模型和动态贝叶斯模型表达这两个过程,构建了动态序列贝叶斯推理模型,用于规划展开问题的表达和求解。给出了模型的推理计算方法,并与贝叶斯模型、动态贝叶斯模型进行了定性对比,模型验证表明该模型是用于以战术意图识别为代表的规划求解过程的有效模型。(2)针对序列贝叶斯模型的构建需求,扩展了多实体贝叶斯模型,并提出了一种基于扩展多实体贝叶斯模型的动态序列贝叶斯模型构建算法。介绍了多实体贝叶斯模型的概率推理规则知识的表达能力和贝叶斯推理模型的构建过程,分析了多实体贝叶斯模型表达序列展开过程的不足,对其进行扩展,增加了用于表达随机事件状态转换过程及状态序列展开过程的逻辑知识表达能力,建立了扩展多实体贝叶斯模型,具备了表达和构建动态序列贝叶斯模型的基础。基于给定的扩展多实体贝叶斯推理知识表达体系,针对特定的战场态势初始条件,给出了动态序列贝叶斯模型的构建算法,并分析了算法的时间和空间复杂度。将该算法与经典的贝叶斯网络拓扑结构学习算法和参数学习算法进行了定性比较,表明经典拓扑结构学习算法不具备构建包含序列展开过程的序列贝叶斯模型,而基于扩展多实体贝叶斯模型能够较好的利用推理知识针对特定战场态势构建用于战术意图识别的推理模型,并演示验证了该算法可以随时增加、删除和修改推理知识体系以及根据初始条件的不同构建具有针对性的推理模型的灵活性。(3)运用数据统计及挖掘方法设计了一套推理逻辑规则知识的发现流程。针对用于敌方作战目标战术意图识别推理知识无法直接获取的问题,创新性运用若干数据统计及规则知识挖掘方法对历史数据或样本数据进行统计和分析,建立了一种多维向量差异性度量方法,并采用聚类统计、隶属度计算、转换次数统计以及序列模式挖掘等算法分别统计得到战场态势随机事件之间的概率关联规则、随机事件时序状态转换规则以及随机事件规划序列展开规则,由这些规则知识得到扩展多实体贝叶斯模型,以满足构建战术意图推理模型并进行战术意图识别的要求。相关实验和仿真验证表明,从样本数据/历史数据统计分析得到推理规则,再由推理规则构建针对特定战场态势的战术意图推理模型,并由推理模型分析计算得到战术意图识别结果的方法可行并有效,涉及模型及算法可以作为相关研究及应用的基础和支撑。