随着红外技术的迅速发展,红外空空导弹面临着日益严峻的对抗环境,抗干扰能力已经成为红外空空导弹的重要性能指标。本文致力于红外空空导弹的抗干扰性能评估研究,成功地将混合验前分布方法、幂验前分布方法、贝叶斯正则化神经网络(贝叶斯神经网络)等方法引入该评估问题,实现了空空导弹抗干扰评估。主要工作如下:研究了混合验前分布和幂验前分布方法在空空导弹抗干扰评估中的应用;针对混合验前分布方法提出混合参数的三种确定方法,并详细研究了第三种确定方法的相关特性;利用验前数据和现场数据重新构造幂参数的验前分布,给出修正幂验前方法,MSE分析结果表明修正幂验前方法的估计效果更好。详细推导了BP神经网络和贝叶斯神经网络训练公式,分别利用这两种神经网络对同一个算例进行拟合,结果表明贝叶斯神经网络的拟合效果更好;构建了空空导弹的抗干扰指标体系,提出了三种基于神经网络的抗干扰评估方法,其本质是建立指标体系与抗干扰性能之间的非线性映射关系,从而实现用神经网络替代专家打分,该方法的评估结果是给出空空导弹抗干扰性能的综合评分;给出了工程上常用的评估方法——层次分析法,并对相同的算例进行评估,将得到的评估结果与前面三种基于神经网络的评估结果进行对比分析,结果表明基于神经网络的评估结果之间比较接近,评估结果更加稳定。针对复杂对抗环境下空空导弹抗干扰评估问题,给出了两种基于不同评估模型假设的解决方法。提出基于环境因子假设的评估模型,结合幂验前分布方法,利用MCMC方法求解该评估模型;提出基于环境复杂度假设的评估模型,利用神经网络建立环境复杂度与空空导弹脱靶量分布参数之间的映射关系,结合混合验前分布方法,确定分布参数的验后密度函数,从而实现评估。仿真结果验证了这两种方法的可行性。