近年来,无人机凭借着其容易控制、低成本、低风险等一系列的特点,在物流巡检、航拍、植保、空战等领域都得到迅速的发展。在很多情况下,都要用到无人机对地操控的行为,在特定的任务中需要分析整个系统的态势,为决策提供依据,保证无人机对地面目标操控时更有效,本文将从态势估计的角度来分析,着重从态势系统设计、模型参数优化、态势评估三方面进行研究。首先,对态势估计系统需求进行了分析并进行系统设计,分别对系统组成、运行环境进行了介绍,在整个系统设计完成的基础上,建立了态势模型,对态势要素进行了选取,最后对地面目标进行了轨迹预测,利用扩展卡尔曼滤波器(EKF)估计无人机从空中检测到物体的运动状态,然后,根据估计的目标状态并利用卡尔曼滤波的运动模型预测最优目标轨迹。其次,针对在态势模型中存在着多个态势目标函数相互制约,提出了一种改进MOPSO优化算法,由于该算法在解决多目标优化问题中收敛性较差和容易陷入局部最优,在此基础上,提出了一种基于高斯变异和自适应参考点融合的多目标粒子群优化算法,利用高斯变异位置更新方法改善解的早熟现象,提高了多目标粒子群优化算法在寻优过程中搜索解的多样性,采用自适应参考点的外部档案维护策略,将收敛性较差的粒子剔除,提高算法的收敛性。最后,针对传统态势估计方法的客观性较弱、难以客观的体现出态势估计过程,本文将以一架无人机对多个地面目标操控为例,提出几组态势参数用来对态势进行评估,由于半监督朴素贝叶斯在态势估计中精确度较低,提出了一种基于数据分类的改进半监督朴素贝叶斯算法,对整个态势系统进行态势估计。