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%。

快速准确挖掘分析雷达历史数据中蕴含的目标关联关系，可以为空中目标活动规律研究、目标识别判性等提供辅助，充分发挥历史数据作用。根据目标时空特性，设计了一种新的空中目标关联关系挖掘分析方法。设计了一种时间匹配方法，生成时间关联数据集。设计了一种空间关联度量，生成空域关联数据集。运用DTW及生成树算法，匹配并搜索具有关联关系的空中目标，生成关联关系集合。经数字仿真验证，该方法可有效挖掘雷达数据历史信息，寻找目标之间的关联规律。

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。