近年来,随着现代高科技的快速发展,各类新式武器层出不穷,指挥作战面临着巨大的挑战,因此就要求指挥员要在能力和智慧并存的同时,还需要完全理解复杂战场环境下多来源和极其不确定的态势知识以满足现代战场作战快速准确的要求,准确的理解态势知识能科学高效地辅助指挥作战。而战场的地理位置不同造成的干扰程度也不同,在战场中,塔台发送的电磁波在传输的过程中可能会遇到山体等地形影响,从而遮挡了部分信号的传播以及削弱了波的强度,战场中需要尽可能知道这些问题产生的原因,而最直观的就是通过可视化的方式来得到结果。同时电磁态势变化趋势的预测,对指挥员准确理解电磁态势,降低决策风险具有重要意义。本文主要是对地形遮挡信号的可视化和态势趋势预测的算法进行研究,主要研究内容如下:(1)提出了地形遮挡电磁波的集成可视化方法。将地形遮挡的场景划分为两种情况,再结合不同情况的地形应用不同的可视化方法,最后结合PNPoly算法实现在可视化系统中展示地形遮挡的效果。(2)针对单一 BP神经网络模型无法对长时间序列的历史态势趋势进行准确的预测,提出了改进原BP网络模型,将GRU神经网络组合进BP模型中,形成GRU-BP组合模型,该组合模型融合了 GRU对时间序列数据前后关联的影响也包含了 BP神经网络的自学习和自适应能力,使得对较长时间的态势预测分析也变得更加精准。(3)根据实际项目需求,设计实现了电磁态势可视化与预测系统。将上述两个方法应用于系统中,进一步验证了算法的有效性和可行性。通过信号遮挡可视化以及电磁态势预测在电磁态势可视化系统中的应用,可以看出态势预测和地形遮挡电磁波的整体可视化系统在模拟战场对抗系统中的重要意义,可以直观地观测到电磁态势所发生的各种情形并进行趋势预测。对以后的可视化系统的研究具有借鉴意义。