数据融合是机载多传感器系统的核心技术之一,尤其是在面向目标识别应用中,数据融合方法更有其独特的需求和约束限制条件。本论文以高效目标识别为需求,以机载平台为背景,以数据融合为主要技术手段,围绕多传感器获取目标信息后、进行数据融合过程中的配准关联与融合判决等关键技术,展开深入研究,总结为如下主要的创新性贡献。(1)针对机载平台高机动性、目标运动模型复杂性以及传感器异构性等特性造成的观测数据时间不匹配问题,建立了通用的时间配准误差估计模型,并基于此模型,对典型目标运动和复杂目标运动的时间配准误差进行了分析;针对机载平台传感器的观测坐标系差异和传感器目标信息空间位置不匹配的问题,研究了基于机载极坐标系的空间配准方法,构建了空间配准的通用模型,然后,利用扩展卡尔曼滤波方法实现了配准误差的准确估计.通过仿真实验对本文提出的时间配准和空间配准的算法性能进行了检验,结果表明复杂运动且运动模型未知条件下的时间配准方法能够较好估计出任意时间点目标的运动信息及其误差,空间配准误差收敛于真值。(2)针对目标密集分布、复杂电磁环境等造成的机载平台多传感器信息关联复杂问题,提出了一种基于身份反馈的协同信息关联方法,解决传统方法关联错误率较高的问题。仿真实验表明,相对传统基于动态信息的关联方法,在目标分布密集或交叉运动条件下,该方法关联正确率有2%~5%的提升。(3)针对机载平台多传感器信息模糊不确定性以及信息冲突可能造成识别结果准确度不高甚至误识别的问题,根据识别需求差异,提出了一种基于冲突强度度量的分层多周期融合判决方法。首先,构建了一种基于信任区间距离度量的冲突强度判决方法对来自不同传感器的证据信息冲突情况进行度量;其次,基于冲突强度的度量结果,设置不同证据权重因子,强化指向一致性证据的体系贡献;最后,采用一种多周期多层级的融合方法对权重修正证据进行融合,高置信度证据先融合,低置信度证据后融合,强化历史信息的作用,从而得出目标多属性信息一致性判决结果。仿真实验表明,方法能够根据不同识别需求,针对性选择最佳融合层级实现准确性和时效性的平衡;同时,算法具有更好的解冲突能力,有效改善了强冲突条件下的目标误识别问题。(4)针对当前相关融合技术缺乏典型应用场景验证的问题,结合国家科研课题的背景需求以及研究进程,构建了一套半实物仿真验证环境,实现典型实用场景、实用对象和传感器配置等条件下,对面向目标识别的机载多传感器数据融合关键技术与关键性能指标实现了仿真验证。