防空作战中，空袭目标的多样性、多层次性，使战场信息具有表现形式多样、数量巨大等特点，为战场信息实时处理带来全新的挑战。信息融合作为一个新兴学科,因其突出的信息处理能力而成为了各国的研究热点，而威胁估计属于信息融合的薄弱环节，同时也是信息融合技术的重要课题。合理对空中目标进行威胁估计可以为作战决策人员制定科学的作战方案提供理论依据，发挥我方防空武器系统的最大作战效能，为赢得战争的胜利提供有利条件。针对上述问题，本文对空中目标威胁估计方法进行了研究。　　首先，叙述了威胁估计功能模型及其特点，确定了能力和态势因素指标两类影响目标威胁的关键因素，建立了合理有效的目标威胁估计模型。　　其次，对空中目标威胁估计方法进行了研究。根据该问题的多属性特征，介绍了多属性决策方法中的逼近理想解和灰色关联分析。阐述了算法的的基本原理、具体流程、应用步骤及其可行性。逼近理想解法以正、负理想解为基准，通过比较各方案与理想解的距离对目标威胁进行估计；灰色关联分析通过分析序列曲线的形状来挖掘数据内部规律，采用关联度对目标威胁进行判断。这两种方法对数据分布要求较低，且计算量较小，可快速实现目标威胁估计。　　然后，介绍了人工智能算法中的误差反向传播(BP)神经网络算法。建立了BP神经网络的模型，阐述了算法的的思想、功能和结构设计，通过实例分析验证了该算法的性能。该算法具有良好的非线性映射能力和自适应性，可以很好映射目标威胁与各威胁因素的复杂关系，能够以较小误差预测目标威胁程度。　　最后，根据威胁估计的特点，在研究BP神经网络算法的基础上，分析了该算法的不足，建立了基于蚁群优化的BP神经网络空中目标威胁估计方法，运用蚁群优化算法的寻优能力优化网络初始权值。文中详细给出了该算法的模型，并进行了实例分析，验证了其有效性和优越性。