数据融合是近年的研究热点,是高科技迅速发展的背景下由传统学科和新兴工程领域结合的一门前沿学科技术。数据融合是一门信息处理技术,利用计算机对传感器获取的观测信息,通过分析、综合处理、评估得到对环境的客观量化,并根据需要进行评估、决策。多源信息融合处理的对象来自于多个不同的、分布式的传感器,其技术和方法都更加复杂,在军事领域和民用领域都具有宽阔的应用前景。神经网络由于其特有的信息处理方式,适合于处理数据融合中的一些重要问题,比如数据关联、目标身份识别、目标的分配等。本文阐述了一些方法把神经网络相关理论使用到数据融合中数据级、特征级、决策级的信息处理过程中。数据层的融合主要包括对数据进行预处理去噪、提取特征向量、关联组合、多轨迹融合等,其目标是得到对目标更客观、准确、全面的特征描述。而特征级融合包括目标的身份识别等问题。决策层的融合处理是通过态势评估得到当前场景的态势的正确评估,用优化理论解得到辅助决策信息。本文利用了信息融合理论和方法,通过融合数据中的互补信息,设计实现了数据关联、目标跟踪和识别、态势评估算法以及决策支持算法。本文主要工作如下:1.研究了数据融合数据预处理、数据关联、航迹跟踪相关算法,使用基于聚类中心索引的聚类算法快速解决传感器数据规模大的问题,使用神经网络相关理论解决目标识别问题。2.使用贝叶斯网络相关理论解决数据融合中态势识别问题,本文根据贝叶斯网络理论构建并实现一种态势评估方案。3.本文用Hopfield神经网络解决目标分配问题。为了实现对目标的控制,在各种基本路径规划算法的研究基础上,对A*算法进行了一种变形改进使得其时间和空间得到很大的改进。4.实现一个电子战数据融合仿真系统,利用本文所提出的相关算法进行多目标的跟踪,身份识别和态势评估,进行决策层的融合,检验上述算法的可行性和有效性。