意图识别是军事领域中一项关键技术,是态势评估和危险判断的基础,对辅助指挥员做出迅速、准确的决策起到重要作用。为了提升对威胁目标意图的研判能力,威胁目标意图研判正在朝向智能化方向发展。随着战场信息量剧增和双方对抗复杂化,单纯依靠人工方式获取知识图谱中的映射关系是很难胜任从多源战场数据中实时、准确地研判威胁目标战术意图的任务。论文在电磁对抗的背景下,以电磁目标为研究对象,在现有公开文献成果基础上,结合数据分析和知识推理,研究电磁威胁目标的意图识别方法,论文的主要内容和实验结论如下:（1）对电磁威胁目标进行研究,假定电磁威胁目标的对抗场景,对电磁威胁目标参数、属性、特征等方面进行详细的分析。融合电磁目标行为和外部目标相关情报两个角度,设定相应意图下的行为准则,挖掘时序事件特征序列。（2）基于数据分析的电磁威胁目标意图识别。从数据分析的角度出发,针对威胁目标行为的时序性,建立能挖掘时序特征的循环神经网络实现电磁威胁目标意图识别。首先,建立电磁威胁目标时序特征,使用网络法进行超参数寻优,计算出综合性能最好的超参数组合,应用试验对其有效性进行验证,挖掘模型的优缺点。（3）基于知识推理的电磁威胁目标意图识别。从知识推理的角度出发,分析电磁威胁目标属性、因素等。通过知识提取和知识挖掘,挖掘仿真样本中的深层次特征,建立电磁威胁目标广义知识图谱。通过整合知识库中的知识,挖掘知识与意图的联系,实现电磁威胁目标意图识别。基于构建的数据分析和知识推理意图识别模型,将超参数寻优结果配置到网络中,用测试样本对数据分析意图识别方法进行试验,用知识库对知识推理意图识别方法进行试验,评估全部的意图识别方法,分析不同方法的优劣,通过结果分析,给出一种知识和数据联合的意图识别方法,使用多指标评估方法对新模型的性能进行评估。仿真实验结果表明,Bi-LSTM网络和协同过滤意图识别方法在电磁威胁目标意图识别中都具有良好表现,虽然识别率很接近但是针对不同的意图有不同的表现,将上述两种方法结合,建立数据与知识联合的意图识别模型可以取长补短,在识别过程中可以注意到更多的特征,识别结果更加精确,通过对新模式进行综合评估,验证了知识和数据联合的意图识别模型的有效性。