自20世纪70年代以来，以美国为代表的西方军事强国对态势评估（SA）进行了广泛研究，已经取得了一系列研究成果，如美军的陆军分析系统（TCAC）、战场开发与目标获取（BETA）、Kirillov的基于规则的专家系统模型等。

进行空战态势评估是进行威胁评估、目标分配和机动决策的前提条件。由于现代空战中目标机动性的增强和战术意图的不确定性增大，如何在复杂空战环境下准确进行态势评估，帮助飞行员做出正确决策，成为目前研究的热点。

随着新型武器装备的快速装备运用，以及理论战法的创新使用，空战环境日趋复杂，发展智能态势评估系统，满足飞行员对空战态势评估的质量和可靠性的要求，已经成为共识。特别是在分布式空战中，智能态势评估系统收集和处理的数据呈现指数级增长，并且不同飞行员对态势的需求是不一致的，特别是受到敌方干扰等影响，态势评估趋于复杂，对系统的要求也越来越高。现有的态势评估系统在计算能力、准确性、可靠性、可视化等方面难以满足现有空战发展需求。构建一个高效的智能态势评估系统，增强对空战复杂环境的态势感知能力已成为当前的研究热点。通过态势感知，可以获得对整个战场态势的准确把握，并根据态势评估结果进行态势运用，为提高空战的智能化调整和控制水平提供支撑。

空战智能态势评估技术研究与展望

智能态势评估的内涵

态势评估作为数据融合领域的一种新概念，目前并没有形成统一的定义，各种文献针对不同的空战环境，给出的概念也不尽相同。但被大多数人所接受的一种理解是：态势评估是指在特定时空环境中的要素感知，并给予要素理解，估计态势在未来一段时间内的发展趋势。

为了适应复杂空战环境下态势评估的要求，使空战态势评估从单独评估当前时刻静止态势，割裂个体和群体之间的态势关系，逐步向群体之间态势评估，并且能够根据当前空战态势预测未来一段时间的空战态势，为飞行员决策提供支撑。空战智能态势评估技术需要实现以下目标：对空战环境进行实时态势评估，准确快速判断己方当前所处态势，并基于己方态势的历史状态记录，为己方飞行员或指挥员提供较为准确的空战态势发展趋势；具备超前预测功能。即在某一个重大态势转折点发生之前，能够给飞行员提前预测，为飞行员制定合理的攻击策略和防御措施提供依据，做到提前防范和应对；通过采用先进智能算法，如监督学习、强化学习、遗传模糊树算法等，使态势评估系统能够具备自学习和自适应能力，而且可以智能评估空战态势，实现空战态势评估的智能化；能够根据态势评估结果，动态灵活的产生各种指令，让飞行员进行相应调整和控制，使空战态势朝着有利于己方方向发展。