随着导弹突防技术的不断发展,预警探测系统通过非合作目标当前状态信息进行弹道预报的传统算法已经不能满足导弹攻防对抗的作战需求。为了提升拦截系统的作战能力,需要预警探测系统在原有目标状态信息的基础上进行信息提取与融合,为拦截策略生成与目标匹配提供有效的辅助决策信息。行为模式判断技术与轨迹预测技术作为近年来的研究热点,是提高对抗辅助决策信息生成能力的关键技术。本文针对非合作目标的战术机动行为判断与相应的突防能力预测,提出了基于复合型神经网络模型的对抗辅助决策信息生成模型,通过对目标历史状态信息进行处理与特征提取,给出当前目标的战术行为类型判断条件概率与突防能力预测点位结果,为拦截系统后端的决策阶段给出具有指导性的评判依据。论文的主要研究内容包括:针对非合作目标战术行为动作的判断方法研究。建立非合作目标战术行为的数学模型,通过数学仿真手段,分别对非合作目标在是否拦截武器拦截交互的情况下做出的战术行为进行数据采样,与后续的算法提供数据样本。搭建基于深度全连接层的神经网络模型,通过对训练样本数据的不断学习,使网络能够快速且准确判断非合作目标的战术行为。基于长短期记忆网络(LSTM)的突防能力预测方法研究。搭建基于LSTM的神经网络,通过对训练样本数据的不断学习,使LSTM网络能够对完整战术行为进行预测,得到目标的突防能力边界。基于卷积交互池的非合作目标对抗辅助决策信息生成研究。考虑在攻防交互环境下,针对非合作目标在面临多拦截弹协同拦截时进行战术行为的交战过程进行仿真建模。搭建基于卷积交互池的复合型神经网络,采用LSTM网络作为前端的数据编码器与后端多解码器结合的方式,通过对数据集的学习,使网络既能够对非合作目标的战术行为进行判断,也能对突防能力进行准确的预测。