在态势估计二十多年的发展历程中,人工智能理论和技术的每一项新进展都对这一极具挑战性的战场辅助决策支撑技术的研究产生了巨大的推动作用。尽管态势估计领域取得了许多令人瞩目的成就,但是由于知识表示和推理等方面存在的困难,至今尚没有一个统一、通用的理论框架,这极大地制约了态势估计的发展。随着贝叶斯网络技术在知识表示方法和推理算法方面的不断成熟,基于贝叶斯网络技术的态势估计方法成为了态势估计领域中的研究热点。本文以实现快速、高效、智能的战场态势估计系统为目标,针对基于贝叶斯网络技术的态势估计方法中的主要问题展开研究,构建基于贝叶斯网络的军事态势估计系统。论文主要研究内容如下:1.对态势估计功能模型进行研究,分析态势估计各阶段需要处理的军事事件以及对兵力编群的处理;针对现有态势假设模型无法表达我方对抗性行动的问题,提出交互性态势假设模型,指出战场态势估计过程是敌我双方作战行动相互对抗、相互作用的交互过程:在贝叶斯网络模型表述方法的基础上,给出SABN的数学模型及其描述。详细阐述了模型的内涵和模型构成要素,对SABN中的节点类型进行分析并对其进行分类,同时讨论了SABN中的有向边和条件概率表;分析SABN模型特点,指出因果方式贝叶斯网络更适合态势估计过程。2.针对主观贝叶斯方法、模糊集合理论、D-S证据理论等三种当前主要的不确定性信息处理方法展开研究,分析其不确定性信息处理过程,以贝叶斯网络框架对这几种不确定性推理方法进行统一表示。给出主观贝叶斯、模糊集合和证据理论的推理规则在贝叶斯网络中的表示方法,并给出相应条件概率计算方法;给出基于模糊集合和证据理论所获得的证据不确定性在贝叶斯网络中的表示方法,并给出相应先验概率。3.分析军事态势估计领域中贝叶斯网络学习方法存在的困难,讨论人工构建SABN的方法;分析模板模型和Laskey的网络片段技术,针对存在的问题,提出基于TOP-DOWN和BOTTOM-UP思想相结合的方法,自动构建分级分层SABN;提出分级分层SABN模型,给出组成该模型的贝叶斯网络模块定义及其分类,讨论了贝叶斯网络模块模板库的结构,研究了不同类型网络模块的构建方法;针对态势估计过程获得的战场军事事件集合,给出贝叶斯网络模块搜索和实例化算法,以及实例化后的网络模块的组合方法,构建用于态势估计的贝叶斯网络;在此基础上,给出一个示范性的实例,验证了我们所提出方法的有效性。4.分析现有时间推理方法,指出基于区间代数理论的时间推理方法更符合态势估计系统的特点;以区间代数理论和贝叶斯网络技术为基础,针对概率时间网络理论中存在的网络结构和推理方法过于复杂的问题,对其理论进行改造;引入时间语义,将贝叶斯网络改造为时间贝叶斯网络,并建立了时间贝叶斯网络定义体系;通过实例描述,给出应用时间贝叶斯网络对传统贝叶斯网络进行改造的方法:给出态势估计过程中最常见的相互排他过程模型和定义,应用时间贝叶斯网络进行时间推理。5.结合论文的研究成果,设计并实现了一个态势估计系统STAB。该系统可以独立于剧情,具有很强的通用性和可扩展性。