态势估计是信息融合领域的高级融合过程,也是人工智能研究的关键理论和技术。态势估计的实质是在决策级融合上进行的一种推理过程,其主要任务是对当前战场进行感知,逐步识别敌方作战意图和计划部署,进而为指挥控制及决策提供依据和支持。态势估计对促进装备现代化、提高情报分析能力、增强军队战斗力有着十分重要的意义。本文对于态势估计的理论及推理算法进行了研究,主要研究的内容为:1.完成了态势估计功能的划分,建立了态势估计三级功能处理模型,该模型主要包括态势觉察、态势理解以及态势预测,并在此基础之上详细阐述了各级模型需要完成的任务。同时,对态势挖掘分析技术以及态势推理算法进行介绍;2.针对单目标的态势推理问题,提出了基于规则树的态势推理算法和基于BP神经网络的态势推理算法。在基于规则树的态势推理算法中,着重介绍了态势规则树的建立以及推理算法的实现。在基于BP神经网络的态势推理算法中,对态势要素进行分析,加入航迹预处理模块,建立态势要素属性集,并介绍了该推理算法实现。在此基础上,将规则树与BP神经网络相结合,提出了自适应的态势推理系统,使得态势推理规则随着战场环境的变化进行更改,提高了推理算法的准确性。3.针对协同态势推理问题,将智能体技术应用到态势推理中,建立了多智能体网络推理模型。针对传统搜索算法在处理多智能体网络的局限性,选用粒子群算法、进化算法对多智能体网络进行求解,并分析两种算法的优缺点。在此基础上,将两种算法相结合,采用改进的进化算法对多智能体推理网络进行求解。通过仿真实验表明,改进的进化算法不仅具有更快的收敛速度,满足态势推理的实时性要求,同时具有更高的可靠性,满足态势推理的准确性要求。