本论文探讨的是数据融合中的利用D-S证据理论进行目标身份识别的问题。在多传感器数据融合系统中，目标的身份识别依赖于多种传感器的报告所提供的身份信息，多种身份信息的融合可以产生有关目标身份的准确估计。本论文的结构如下：在第一章简要介绍了多传感器数据融合的相关概念、基本原理、应用领域和发展研究；第二章简要介绍了数据融合中使用的主要结构模型和技术；第三章着重介绍了目前系统中主要应用的判决级身份融合方法；即Bayes方法和Dempster-Shafer证据理论。并比较了D-S证据理论相对于Bayes方法的优越性和局限性。第四章研究和探讨了目前比较经典的几种D-S证据理论的修正模型，并在此基础上分析其缺陷和不足，提出了改进的方法，并运用实例进行了比较。在第五章中，基于该改进的方法，在一个经典实例中运用平行多级融合的模型进行融合，并对效果进行比较。第六章为论文的结论。通过所得得结果可以看出，利用改进后的D-S修正模型可以实现对目标类型的更为精确的划分和识别，从而达到了目标识别的目的。