无人机具有较强的机动性能与低成本优势,且近年来智能化技术水平大幅度提升,越来越多地被用于执行空战任务。为了应对瞬息万变的战场环境,如何使无人机可以自主合理决策并占据优势态势一直是现代空战相关领域的热点研究问题。现代空战中,无人机获取的战场信息通常具有不完备和不确定的特征,不能直接作为决策依据。为了解决这一问题,进一步提高无人机空战的智能性,本文提出了非完备信息下无人机自主决策与导引方法。首先,根据战场态势信息和目标信息,结合主观经验,构建目标机动动作识别模型和目标轨迹预测模型,采用链式网络推理算法,实现目标的机动识别和轨迹预测;然后,基于动态贝叶斯网络（dynamic Bayesian network,DBN）,考虑无人机作战的相关因素,构建无人机空战自主决策模型,在战场信息非完备的情况下,利用自回归模型,修补战场缺失的信息,该模型可以有针对性的根据当前态势做出进攻目标或规避目标攻击的战术决策。再次,为了避免主观经验对决策结果造成负面影响,应用贝叶斯网络参数学习的方法,利用已验证的、高效率的空战样本数据对无人机空战自主决策模型进行训练,减弱依靠主观经验构造网络带来的负面影响,使决策结果具有更强合理性与高效性。最后,采用约束梯度法将决策模型输出的优化指标泛函解算为无人机飞行导引量,完成非完备信息下无人机自主决策与导引。为了验证上述方法的可行性、合理性和优化性,搭建无人机对抗仿真实验平台,并开展了仿真实验。实验结果表明非完备信息下无人机自主决策与导引方法能够在观测信息不完整的条件下合理进行自主占位决策,并能够根据决策结果进行无人机优化占位导引,实现了占位决策与导引的无缝结合,具有较好的智能性、实时性和优化性。