目前面向空中目标意图识别的研究不足,传统的仅靠专家经验进行空中目标意图识别的方法已经不能满足日益复杂的战场环境信息。如何从大量的不确定的环境信息中获得有效的数据,进一步挖掘有价值的特征信息,完成对当前及未来空中目标的意图识别,成为了当前研究的热点问题。在传统的意图识别算法中,通常依据单个时刻的特征信息来推理目标的意图,导致在意图识别的过程中丢失了目标的动态属性和时序变化特征,影响意图识别的准确性。针对此问题,本文以神经网络为技术手段,从连续多个时刻目标状态序列中挖掘内在的特征关联,通过拟合样本与标签的映射关系完成目标意图识别。具体的研究内容有:1.对空中目标意图识别问题进行了研究。针对空中目标意图识别问题中长期依赖难以获得的问题,采用了基于时间注意力机制和通道注意力的交叉注意力机制,并以此为基础搭建了TCNCCA-GRU模型。使用了从仿真系统中构建的数据集在5个对比模型上进行了测试实验,说明了提出的模型在识别准确率上的优越性。同时,进行了消融实验,在公开数据集和仿真数据集上完成测试,证明了所提出的交叉注意力机制的有效性。2.对空中目标轨迹预测的问题进行了研究。针对目前的空中目标轨迹预测技术中存在的对目标之间的交互特征关注不够的问题,提出了分层的图注意力机制,并基于此搭建了HGATCVAE模型。使用了在机场上空采集到的飞机轨迹公开数据集在5种对比模型上进行了测试实验,结果表明在实际距离误差和最终距离误差的两种评判标准上都取得了更好的成绩。3.设计实现了空中目标意图识别系统。系统中包括了仿真数据生成模块和核心功能模块,仿真数据生成模块用于模拟真实的场景得到仿真数据集,核心功能模块包括飞机目标意图识别和飞机轨迹预测两个部分。使用前端框架完成开发,实现了一个可视化丰富,操作简单易于掌握的意图识别系统。