战场环境瞬息万变,针对来袭的空中目标,如何从海量数据中得到有用的信息,帮助指挥人员及时并准确的感知战场态势,掌握战场主动权成为目前亟待解决的问题。感知系统根据雷达量测数据提前获知目标的意图和威胁度,辅助指挥人员进行决策,具有重要的军事价值和研究意义。为了快速准确的获取战场态势,本文从轨迹预测、意图识别、威胁评估三个方面对空中目标进行了研究。首先,对来袭的空中目标进行轨迹预测,当目标发生机动时,传统的无偏灰度理论预测精度大大降低。根据大量飞行轨迹数据建立无偏灰度预测模型的误差数据集,使用BP神经网络对数据集进行训练得到预测误差网络模型。采取无偏灰度预测模型对空中目标当前两个时刻的位置数据进行轨迹预测得到未来一个时刻的位置初始值,再加上BP神经网络得到轨迹预测误差,获得目标最终轨迹预测值,对比无偏灰度预测模型与改进型无偏灰度BP神经网络预测模型的预测精确度,证明了改进算法降低了预测误差。其次,对目标意图进行推理,建立多输入单输出的Mamdani模糊推理模型,制定目标意图模糊推理规则,构建模糊推理系统。以预测的轨迹为基础选取速度、距离、高度、转向趋势等参数作为模糊推理系统的指标,根据目标作战属性确定各个指标的模糊推理隶属度函数,结合制定的模糊推理规则通过模糊推理系统可以准确的推断空中目标的来袭意图。然后,对目标进行威胁评估,研究了基于改进动态贝叶斯网络的威胁评估算法。通过预测的轨迹信息选取相应的威胁度指标,构建指标高斯隶属度函数降低目标属性状态取值的主观性,确定动态贝叶斯网络节点及取值状态,并考虑目标单个属性其权重对威胁度计算的影响,探讨了基于信息熵权重-动态贝叶斯网络的威胁评估算。仿真实验对比了改进算法与传统算法得到的目标威胁度,证明了改进动态贝叶斯网络得到的结果更加符合战场情况,当目标单个指标概率状态增大时目标的威胁度也会随之增加。最后,基于QT软件设计了空中目标态势评估系统,系统包含轨迹预测、意图识别、威胁评估三大模块,并展示了目标的轨迹和三大模块的仿真结果,验证了态势评估系统的整体性能。该系统提高了指挥人员对空中战场的实时感知能力,为目标分配和火力打击决策提供重要的参考依据。