空中战场态势是对空中战场中所有参与方行动和状态的总体描述，而目标作战意图识别则为空中战场态势评估提供重要依据。为了解决在激烈对抗、快速演化的空中战场态势背景下，大量已标记的空中目标战场态势数据获取难度大的问题，提出了一种基于度量学习的半监督空中目标作战意图识别模型。该模型提供了一种从无标签样本中发掘潜在模式的方法，缓解了对大量标记数据的需求。模型通过目标时序数据编码器对目标序列数据进行降维并得到其嵌入表示。在此基础上，通过分别度量已标记的目标序列与意图类型、未标记的目标序列之间的相似度，计算对应的损失值。实验结果表明，在有标签样本不同占比为30%、40%和50%的情况下，该模型识别空中目标作战意图的准确率分别为86%、89%和91%。

随着战争形式的不断演变和武器装备的更新换代，空中战场态势日益复杂，迅速准确地识别目标作战意图是战场态势评估的一项重要内容，可以为指挥员的决策提供辅助信息，有利于掌握战争主动权。首先介绍了目标意图识别的基本概念及相关模型，界定了目标意图和意图识别的定义概念，从作战指挥决策流程和信息融合流程2个方面确定了目标意图识别的地位和重要性；其次目标特征和意图空间分别作为意图识别的输入属性和识别框架，是意图识别的基础并对此进行了综述；然后综述规则和模板匹配、证据理论、贝叶斯网络、传统机器学习和神经网络等5类常见的目标意图识别方法，介绍了每种识别方法的基本机理和识别过程，总结了其优缺点；最后对比分析了5类目标作战意图识别方法的性能，并对其未来研究方向进行了展望。

威胁常随着双方对抗的开展存在着动态演化的特点，传统威胁评估方法更多基于静态威胁进行研究，缺乏动态威胁的预测估计。针对此问题，提出一种对抗条件下的空中目标威胁评估方法。设定红方为进攻方，蓝方为防御方，以红方目标为智能体建立强化学习模型，设计其状态空间、动作空间、转换函数及奖励函数。建立威胁评估模型，确立威胁元素指标，设计威胁评估模型。对模型进行训练，训练完成的模型可根据对抗情况预测红方空中目标威胁。经试验分析，该方法在对抗条件下对红方空中目标威胁评估更具合理性。