随着科学技术的发展，传感器性能获得了很大的提高。为了获得最佳的作战效果，依靠单传感器提供信息已无法满足作战需要，必须运用各种有源和无源探测器在内的异类多传感器来集成提供多种观测数据。基于异类传感器的信息融合可以得到目标的不同信息，信息容量大、目标特征多、对目标有充分的刻画和描述，从而对战场态势能做出充分全面的把握和判断。 战场目标识别的准确与及时，对后面的势态评估和威胁估计有重要的意义，也是在战争中取胜的关键。然而，现代战争空地作战一体化的特点及作战双方采取的各种电子对抗技术使战场环境日益复杂恶劣，传感器受到多种因素的影响，所获得数据是不精确，不完整，不可靠的。在这样的条件下，“正常”状态作为多传感器目标识别的求解条件就不再适合。为了提高多级武器系统的作战性能，研究复杂干扰环境下的异类多传感器目标识别问题具有极其重要的意义。 目标识别技术的自动化水平很大程度上取决于数据融合水平的高低。近年来，在现代技术尤其是高新技术条件下各种战争模式中，多传感器的数据融合已成为现代条件下目标识别的重要手段。在对目标进行识别时，单个传感器提取的特征往往由于其自身的探测特点不能获得对目标的完全描述，而利用多个不同类传感器提取的独立、互补的特征向量，可以获得对目标较为完全的描述，从而有利于提高识别的正确概率，降低错误概率。因此，基于异类多传感器的数据融合技术对目标的识别研究具有重要的理论意义和现实意义。 本论文介绍了多传感器信息融合技术的发展过程及其在目标识别中的研究意义和研究现状，综述了信息融合算法及其国内外研究动向。研究了多传感器信息融合技术，针对异类传感器目标识别的实现问题，论文对其相关技术进行了理论上的研究。本文主要内容如下： ① 针对战场环境复杂，采样周期不可能很长，要求反应时间短等条件，采用灰关联方法实现雷达与辐射源方位曲线的实时匹配。仿真结果表明：灰关联算法基于曲线相似性进行关联具有良好的关联效果，而且要求的样本点少，不要求样本服从某种分布，计算简单有效，具有良好的实时性和有效性。 ② 采用改进的绝对关联度对雷达数据进行灰色优势分析，可大大提高雷达系统的跟踪精度和可靠性，从而大大增强了作战系统对空中目标的打击精确性和防御能力。 ③ 采用D-S证据理论对异类多传感器获得的多种信号特征进行融合，可以提高战场目标识别的可靠性，增强系统的置信度，降低识别结果的不确定性，改善检测性能。 ④ 在证据高度冲突时，因其归一化过程会产生有悖常理的不合理结果。因此，针对冲突情况，在证据源及证据平均可信度的基础上，提出了一种新的证据合成公式。该合成公式弥补了D-S证据理论和吸收法的合成公式存在的不足，使冲突证据的合成结果更为理想。 ⑤提出了一种将模糊聚类分析和模糊模式识别相结合的目标识别模型，引入了聚类分析有效性评价的F统计量检验，实现了算法的自适应性，避免在聚类数目的选取上存在的主观性。并成功应用于海上舰船识别分类。 研究结果表明：基于异类传感器的信息融合能提高侦察设备的数据精度，可以获得关于目标平台的更多信息，从而为平台的身份识别提供了可靠的依据，同时可以提高系统的机动性、安全性和可靠性。