无人机(Unmanned Combat Aerial Vehicle,UCAV)多次在勘察和反恐中展现了其突出的优势,受到了国内外军事的广泛关注。威胁评估与任务分配是整个无人机任务规划系统的核心部分,已成为现代战场的一种主要技术。本文主要针对UCAV目标威胁评估和协同作战任务分配两方面开展了研究,具体内容如下:(1)针对空中目标威胁评估问题,提出了基于小波神经网络(Wavelet Neural Network,WNN)的空中目标威胁评估方法。该方法以内嵌的办法将小波变换有机的嵌入神经网络,即为“紧致型融合”,它不仅具有较好的自适应分辨性,良好的逼近能力和容错能力,并且能够有效避免陷入局部最小值。分析了WNN的结构特点和对空中目标威胁评估造成影响的关键因素;给出了WNN的训练算法和流程,并进行了仿真验证。结果显示,该方法的评估误差明显小于粒子群优化BP神经网络和BP神经网络,具有较好的评估效果。(2)针对多无人机协同任务分配问题,先是给出了无人机的能力函数,以能力函数的雅可比矩阵为桥梁,引出多无人机协同打击时无人机与目标之间的距离和俯仰角的更新方式;分析了多无人机任务分配的主要影响因素,构建了多无人机协同任务分配模型,最后对该模型进行了验证,通过结果可以发现:将本文提出的方法与传统方法进行比较,可以发现前者付出了更小的代价,明显的提高了多无人机任务分配的合理性。最后对本论文的科研效果做了全面的总结,并阐述了文中所提方法的缺点和未来的工作建议。