本部分总结

本部分结合复杂空战环境的特点，基于特征提取的方法对传统基于贝叶斯的空战态势评估模型进行改进。分析了角度、速度、高度及双方距离等因素对空战态势的影响，结合特征提取的方法，对这些特征的态势结果进行提取、评估，从而实现对空战综合态势的预判。通过预判可以进一步加强综合态势评估结果的可靠性、准确性。建立了单机的角度、距离、速度、高度优势函数，通过特征提取确定了单机综合优势函数，并进行了1对1的仿真验证，仿真结果表明了该模型的可靠性和可行性。

本部分还存在以下问题：

（1）本部分对于空战态势评估的特征选取是基于传统模型的角度、速度、高度、双方距离这4个因素进行的；但在实际的空战中，对于空战态势的影响因素远不止这些。因为时间有限，本书只针对这4个更加直接的影响因素进行模型建立，虽然最后结果是成功的，但其精确度和适应性仍旧不高；在复杂环境中，其结果的准确度仍旧不高。这是下一步研究需要努力的方向，通过选取更多特征信息来实现对复杂空战环境的适应性。

（2）研究过程中选取的实验数据是日常飞行训练过程中的记录数据，实验效果比较单一，并且训练过程中难以实现真正空战的复杂程度，因此对改进方法适应性的考察仍旧不足，对它的完善仍存在缺漏，需要通过大量的仿真模拟来实现模型漏洞的发现和补缺。

（3）研究过程中主要采用层次分析法计算各态势权值，但这种方法依靠专家打分，在打分过程中所依据的资料有限，打分结果不够准确，将对态势评估的结果产生影响，降低其判断准确性。下一步可以通过更加权威的专家打分来提高可靠性，或者采用更好的权值确定方法提高准确度。

空战对抗的态势评估是当今世界各国空军研究的热点，也是我国空军现代化训练手段的重要部分。整个研究内容涉及贝叶斯网络、特征提取等多个领域。本部分主要研究的是基于特征提取分析方法的空战对抗态势评估，其核心思想是利用特征提取分析方法对其空战特征的态势结果进行提取、评估，从而实现对传统基于贝叶斯网络的态势评估方法手段的改进，使其能够更加灵活地应用于各种复杂的空战态势。还需要深入研究和探讨的问题如下：

（1）本部分在综合态势评估函数的构建过程中，选取了4个关键因素，并采取基于特征提取的贝叶斯网络进行态势预判，其后利用层次分析法确定各态势权重实现动态权值。然而在现代战场中，影响战场态势的要素越来越多，虽然选取关键因素能够具有一定的代表性，但是战争结果仍然有许多可能性。因此在信息处理速度及战场态势相关理论的研究方面仍有非常广阔的空间。

（2）在空战进行过程中，飞机的各种机动动作及敌我双方的关系远不止本部分分析设想的那么简单。同时，在双方交战的过程中，飞行员的主观意识及操作水平仍然是控制飞机的重要主体。因此态势评估在智能决策领域的应用还有待发展。期待本部分的研究能够对未来更完善的决策系统提供一些帮助。