复杂战场环境具有目标类型多样、任务约束复杂、环境状态高度动态变化等特征，因此对智能目标识别技术提出了超越传统感知精度优化的新要求。在此类环境中，目标识别结果不仅用于描述目标本身，还直接影响任务规划与决策执行的可靠性，现有目标识别研究大多以静态场景和感知性能指标为核心，难以充分刻画识别结果在任务执行过程中的实际价值。近年来逐步形成以任务需求为导向的目标识别研究范式，即在模型设计、训练与评价过程中显式引入任务相关信息，使识别结果能更有效支撑任务运用与系统级决策，围绕这一研究趋势，本文从方法论角度对任务驱动智能目标识别技术进行系统综述。首先，分析任务驱动目标识别的基本内涵，阐明其与传统感知驱动方法在输出形式、优化目标与系统角色定位等方面的本质差异；其次，立足任务相关信息建模视角，对面向语义与属性、目标状态与行为，以及不确定性与风险表达的目标识别方法进行系统梳理；再次，讨论任务约束条件在训练与优化阶段的建模方式及识别结果与任务执行和决策模块之间的协同接口问题；最后，结合复杂战场环境的典型特征与应用需求，总结任务驱动目标识别在动态环境适应、未知目标管理、不确定性可信表达和系统协同面临的关键挑战，并展望未来发展趋势。

针对多源信息融合中高分辨距离像（HRRP）与逆合成孔径雷达（ISAR）图像特征难以高效融合、样本不足及开集识别困难等问题，本文提出一种基于特征对齐与数据扩增的融合识别方法。首先，采用主成分分析法对HRRP降维并提取时频域特征，利用Pauli分解对极化ISAR图像进行数据扩增；其次，构建改进ResNet18网络与Transformer融合模块，实现HRRP与ISAR特征的对齐与融合；最后，引入OpenMax开集识别框架，通过Weibull分布建模类边界，实现对未知类目标的判别。实验结果表明：所提方法准确率在闭集识别中达到90.43%，在开集识别中对未知类的拒判率达91.39%，验证了其在复杂场景下具有较好的识别与泛化能力。

针对复杂电磁环境下空中目标识别面临的先验知识碎片化和决策不确定性量化缺失问题，本文提出一种基于分层贝叶斯模型的识别框架。通过构建“测量噪声—个体特征—类别共性”3层层次结构，首次将目标雷达散射截面积（RCS）的类内物理差异性与传感器随机噪声显式建模为概率分布；采用马尔可夫链蒙特卡罗（MCMC）方法实现后验推断，同步输出目标类别概率与置信区间。仿真结果表明：在信噪比（SNR）为5 dB的恶劣观测条件下，识别准确率达78%，较支持向量机（SVM）与朴素贝叶斯提升6%~10%；小样本场景（每类训练样本为5个）中，准确率优势扩大至约13%；95%置信区间覆盖率达88%以上，验证了不确定性量化的有效性。该方法为解决“小样本+高噪声”复杂战场环境下的稳健目标识别提供有效途径。

针对复杂电磁环境下信息对抗需求，本文重点研究探干通（探测-干扰-通信）一体化系统，提出动态智能管控架构和策略。以电磁机动战理论为基础，构建包含指控、感知、对抗、通信4大分系统的一体化管控框架；制定具有全局架构、智能决策、快速重构特征的管控策略，并给出一体化协同抗干扰措施；通过频谱综合认知智能博弈系统实例，论述电磁频谱综合管控与协同对抗流程及技术发展方向。其探干通一体化管控策略研究结果对电磁空间一体化技术在智能化可重构能力提升上有重要参考意义。

针对海杂波非平稳、非高斯分布且时序关联显著的复杂特性导致传统抑制方法效果受限的问题，本文提出一种基于深度学习时序特征增强的海杂波抑制方法——雷达时序增强网络（RTFEN）。该方法通过时序压缩模块进行空时滤波初步抑制杂波，利用双向ConvLSTM建模目标与杂波的运动差异，并引入时间注意力机制以自适应增强关键帧目标信息。实验结果表明：本文所提方法能够有效提升海杂波抑制效果。

针对对抗样本攻击下雷达高分辨一维像（HRRP）智能识别模型稳健性不足的问题，本文提出一种轻量化增强算法。首先，综合分析在快速梯度符号法（FGSM）、投影梯度下降（PGD）及黑盒迁移攻击下，轻量卷积神经网络（CNN）的脆弱性；其次，提出“快速对抗训练＋输入去噪自编码器＋异常检测后置”的级联防御策略；最后，基于3类空中目标 的6 000组实测样本开展对抗实验。结果表明：该算法可将攻击成功率抑制至9.2%，仅牺牲2.1个百分点的清洁准确率，推理延时增加低于20%；算法在模型体量、实时性与稳健性之间取得了良好平衡，可为雷达智能识别系统的抗干扰设计提供实用化解决方案。

深度神经网络虽然在各类视觉任务中取得了显著进展，但易受到对抗样本的攻击；相较于数字域对抗攻击，物理域对抗攻击更具挑战；针对无人机遥感图像目标检测的对抗攻击需在多视角、距离变化及光照差异等复杂条件下保持稳定的有效性，攻击方法的优化过程需充分考虑真实物理成像环境的动态性与多样性。现有物理域对抗攻击方法虽能降低目标检测模型性能，但这些方法通常仅依赖像素级的局部纹理优化，导致生成的对抗纹理模式单一、适应性有限。为解决上述问题，本文提出一种基于扩散模型的物理对抗攻击方法。该方法以预训练扩散模型作为生成器，结合图像与文本先验特征引导对抗纹理的生成，基于全覆盖的物理对抗攻击框架实现无人机遥感目标检测任务下的车辆伪装。实验结果表明：本文方法在多个目标检测模型上均表现出较高的攻击成功率与良好的跨模型迁移能力，且在纹理多样性和稳定性方面均优于对比方法。

针对传统信号处理在毫米波雷达点云成像过程中点云杂点去除难和稀疏点云目标分类易出错问题，本文提出融合噪声特征的基于密度聚类的（DBSCAN）去杂点自适应聚类算法。该算法基于DBSCAN聚类算法框架，分类别构建欧式距离矩阵，快速寻找类别的中心样本点，判断并剔除异常杂点；根据中心点欧式距离和突变指数自适应调整下一帧的邻域密度和邻域半径参数；借助仿真实验验证改进算法的工程优势，进一步使用真实道路场景的实测数据验证改进算法的有效性。实验结果表明：本文所提算法不仅能去除目标点云杂点，还能自适应调整聚类参数，改善稀疏目标分类错误的问题。

针对可见光图像与合成孔径雷达（SAR）图像模态差异大、跨模态匹配技术不足导致遥感船舶跟踪场景中目标匹配效率与准确度欠佳的问题，本文提出基于窗口注意力机制的可见光-SAR跨模态目标匹配方法。该方法设计跨模态双分支嵌入模块分别处理2类图像，通过层次化窗口注意力机制提取模态无关特征；融合模态信息嵌入与船舶尺寸嵌入补充语义及物理属性信息，强化跨模态对齐特征的学习。实验结果表明：该方法在HOSS数据集上总体平均精度均值（mAP）达46.0%、Top-1准确率（R1）达60.8%、Top-5准确率（R5）达74.4%、Top-10准确率（R10）达79.5%；相较于当前最优的TransOSS模型，新模型R5、R10分别提升3.4%、1.1%；可见光到SAR及SAR到可见光方向匹配关键指标均呈显著优势。研究表明：该方法性能优于SOTA模型，可为海事搜救、航运监管等场景的持续船舶跟踪提供技术支持。

针对复杂海天背景下的低辐射、小尺寸红外舰船目标检测中存在漏检和误检等问题，本文提出一种基于深度学习的红外舰船与尾迹检测算法。该算法基于YOLO网络进行改进，首先在YOLOv8网络的基础上引入基于特征图抑制的双重注意力机制；其次引入舰船与尾迹匹配模块，借助更明显的尾迹辅助舰船检测，以有效解决复杂背景下弱小舰船误检、漏检问题；最后建立舰船数据集对算法进行测试与分析。结果表明，该算法目标检测精准度可达98%以上，同时具有较快的推理速度；该算法对红外弱小舰船目标检测具有良好的鲁棒性，可有效提高对红外弱小舰船目标的检测能力。

针对高分辨距离像（HRRP）样本不足与域间差异问题，本文提出一种基于条件扩散模型的HRRP数据增广方法。该方法在传统扩散模型基础上，引入方位角与俯仰角的角度调制机制，通过正余弦编码将角度信息映射至高维连续空间，并利用线性变换对类别嵌入特征进行调制，以增强模型对角度与类别间依赖关系的建模能力；提出一种基于时间卷积网络（TCN）的一维Fréchet Inception Distance（FID）评价指标，用于量化生成HRRP数据与真实数据在分布层面的相似性。实验结果表明：所提方法生成的HRRP数据在一维FID指标上显著优于传统条件扩散模型；将生成数据用于扩充真实数据训练分类网络，每类目标识别准确率平均提升8.55个百分点，验证了其在HRRP数据增广中的有效性与实用性。

针对现代作战环境高动态、强对抗、多源异构信息交织的复杂特征，以及传统“指点 + 按键”交互模式效率不高、通用语音系统在高强度噪声下鲁棒性差、语义理解适配性弱的问题，本文提出一种基于大语言模型（LLMs）的战术语音指控系统方案。该系统融合先进音频去噪算法与战术热词增强机制，来提升复杂噪声环境下语音识别的准确性与领域适配性；创新设计领域定制化 Prompt 策略，结合数据增强与 LoRA 微调技术，来强化大模型对指挥语境中非规范表达、战术术语的语义理解能力，实现从语音到可执行指令的端到端智能转化。实验结果表明：该系统在典型战场噪声环境下语音识别准确率显著优于基线模型，能高效解析复杂战术指令，为作战场景提供可靠、自然、高效的人机协同指挥交互新范式，也为下一代智能指挥交互体系构建提供理论支撑与实践路径。

针对探测设备被动探测场景，本文推导建立了一种基于目标角度的信息传递方法，即利用单站探测到的目标方位角、俯仰角信息指引其他位置探测设备搜索跟踪目标，以实现协同探测、三角定位解算。仿真验证结果表明：该方法可实现探测设备被动跟踪下指引其他探测设备协同探测，并完成目标距离解算；在模拟的典型试验场景下指引成功率超85%；开展实物环境验证时，3次测试均取得成功；采用Kalman滤波算法对探测值进行处理，可有效剔除毛刺并平滑探测值，提升目标指引成功率。

在空战目标威胁评估问题中，现有评估方法难以给出准确的评估结果。针对以上局限性，本文聚焦多机集群对抗作战场景，提出一种基于组合赋权-ITOPSIS-GRA的空战目标威胁评估方法，以评估目标群的威胁度。首先，分别采用改进的基于指标相关性和冲突性的客观赋权法（CRITIC）和序关系分析法（G1）确定威胁评估指标的客观权重和主观权重，并根据最小鉴别信息原理实现组合赋权，计算指标的综合权重；其次，将改进的优劣解距离法（ITOPSIS）和灰色关联分析（GRA）相融合，综合利用威胁指标与正负理想解之间的距离度量和灰色关联度，计算目标群的相对贴近度作为威胁评估结果；最后，设计典型仿真案例验证本文评估方法的有效性。仿真结果表明：本文基于组合赋权-ITOPSIS-GRA的威胁评估方法考虑的因素更加全面，能够得到更合理、更准确的评估结果。

在远域空中目标打击场景中，针对传统杀伤链模式难以应对高动态、强对抗等问题，本文提出一种基于协同战术知识的杀伤网动态构建方法。首先，将杀伤网建模为带时序约束的四元任务-资源分配图（S-D-I-T图），其中S（侦察）、D（决策）、I（攻击）3类节点需按战术逻辑顺序协同作用于T（目标）节点；其次，引入协同战术知识库，形式化描述典型空中目标打击场景下的任务优先级、资源能力匹配规则与时序依赖关系；最后，基于约束满足与多智能体协商的动态构建算法，在满足时间窗、资源容量与战术逻辑约束的前提下，设计实现杀伤网的实时生成与重构。仿真结果表明：所提方法在目标毁伤率、任务完成时效性及抗毁性方面显著优于传统静态杀伤链与无知识引导的随机分配策略，可为远域空中目标打击提供高效、鲁棒性强的作战决策支持。

针对现有效能评估方法存在的作战环节间关系考量不足、多仿真节点评估体系构建不完善、评估数据来源单一及主观数据干扰显著等问题，本文提出一种融合复杂网络理论与多智能体（Agent）仿真技术的体系效能评估框架，实现了对复杂系统动态交互与整体效能的集成分析与量化评估。首先，通过仿真平台与物理模型结合，在设定的场景和方案下，生成用于体系评估的指标数据；其次，将仿真节点和对应数据构建成复杂网络中的节点和节点关系，并生成对应的能力矩阵；最后，在设定的作战场景与仿真节点中，根据不同作战环，结合复杂网络分析所得链路信息与能力矩阵，量化计算各方案的效能指标，并系统对比分析其效能优劣。实验结果表明：该方法能在有效评估各方案优劣的同时，更直观地反映各方案在时间影响下效能的变化趋势及不同作战环的整体趋势。

模块化作战系统以其灵活性、可重构性与适应性，成为支撑马赛克战等新型作战概念、应对动态战场环境的关键。为建立模块化作战系统的规范化架构描述方法，需构建专用的模块化作战系统元模型。本文基于领域元模型构建方法，在分析模块化作战系统构想及关键要素的基础上，对统一架构框架的服务视角、资源视角进行针对性裁剪与扩展，并设计相应的数据视角，形成支持多视角一致描述的元模型；通过防空反导案例，演示了从能力分解、服务聚类到资源编组的完整架构建模过程，并分析其适应性优势，可为模块化作战系统架构设计提供有效的元模型和建模方法支撑。