能否获取及时、准确、完整和可靠的战略、战役和战术等军事情报,占领军事情报信息高地,关系到战争的走向,是取得战争胜利的关键。现代高科技海战中,获取军事情报的重要手段是分布于各类舰艇、飞机、潜艇和卫星等平台中的探测装备,海战场复杂的环境会导致各信息源获取的信息不精确、不完整、不可靠。为了获得满足作战需要的有效军事情报,要求将指控系统获得的各类信息源信息进行融合等综合处理,获得比原始信息更有价值的信息。目标综合识别是态势估计等高级融合过程的重要基础,能够配合武器平台完成高置信度的实时战术选择和武器资源调用,使作战效能最大化,从而满足辅助作战指挥决策需要。因此,海上目标综合识别技术相关问题研究具有十分重要的意义。决策级目标综合识别有信息处理方便灵活、系统内信息交互量小、能够处理非同步异类识别信息等优点,是目标综合识别领域的研究热点,而证据理论在不确定性表示、量测和组合方面具有很强优势,又是决策级信息融合技术的重要理论和研究重点。因此,为了解决对各信息源输出的不确定性识别信息难以进行合理表征和有效合成的难题,综合利用好各类信息源提供的目标识别信息,本文基于证据理论,对决策级海上目标综合识别三个重要问题进行了分析和研究,并提出了相应的解决方法。针对海战场信息源海上目标识别基本概率赋值函数难以有效构造的问题,根据各类信息源识别结果输出的特点,分别提出了两种基本概率赋值函数构造方法。第一种方法基于Bayes推理为仅输出单一识别类型的信息源构造基本概率赋值函数,利用混淆矩阵统计元素特性构造Bayes参数,采用Bayes概率公式描述识别因果事件之间的概率关联关系,获取辨识框架中各元素的概率,通过简单支持函数或一致支持函数构造基本概率赋值函数。第二种方法基于Bayes推理为输出序列识别类型的信息源构造基本概率赋值函数,利用混淆矩阵记录信息源对每个类别目标训练得到的各类序列元素的个数,根据一种新的序列相似度计算方法计算得出待识别目标识别结果序列与混淆矩阵中各元素之间的相似度,利用识别训练统计和相似度计算得到各目标类型可能的概率,通过简单支持函数或一致支持函数构造基本概率赋值函数。仿真实验表明以上两种方法有较强的灵活性,在具备待识别目标出现的先验概率的情况下,能够构造出高质量的基本概率赋值函数。针对证据理论对相互冲突识别结果处理能力弱的问题,基于证据的冲突衡量标准和证据组合结果的评价标准,采用证据不从属度概念和证据折扣思想,构造了一种基于试探折扣修正的证据组合方法,该方法试探折扣由证据的不从属度来构造,在试探折扣前期,可实现证据集可信度与组合结果聚焦度的共同提高,获得最佳聚焦结果,并且还可以通过设置优化目标,灵活控制证据集可信度。实验表明本文方法能够有效解决目标综合识别中的冲突问题,获得高质量证据组合结果,可以满足各种类型决策的需要。针对证据理论计算复杂度高与海上目标识别实时性要求相矛盾的问题,本文提出一种新的证据组合近似方法,提高海上目标识别实时性,对现有经典算法从焦元排序策略和被抛弃焦元基本概率赋值再分配策略两个方面进行了全面分析,给出了基于焦元信息量的排序策略和被抛弃焦元基本概率赋值再分配策略遵循的原则,在此基础上提出了一种新的证据近似计算方法。仿真实验表明本文方法不仅减少了焦元个数,降低了计算量,而且尽最大程度保留了原有证据所包含的信息,近似证据组合结果与原始证据组合结果最为接近。综上所述,本论文针对证据理论在决策级海上目标综合识别应用中所面临的关键问题展开了研究,提出的解决方法能够有效提高海上目标综合识别的正确率和实时性,可作为工程化应用的基础。