目标聚合问题是信息融合二级阶段——态势估计需要实现的一个重要功能，是一级信息融合的延伸和高级融合阶段的切合点。在联合作战的真实环境下，战役对象繁多，协同关系复杂，机动频繁，战场态势变化快，作战指挥官面对大量信息无法做出有效决策。通过目标聚合技术，对威胁单元的信息进行抽象和划分，形成关系级别上的军事体系单元假设，以便揭示态势元素之间的相互关系，确定相互合作的功能，解释陆战场装甲目标的各种行为，从而为作战企图判定、威胁估计奠定基础。本文围绕以上问题展开了较系统的研究，所作的工作概括如下：1、介绍了多传感器信息融合理论、功能通用模型和技术方法；阐述了态势估计要完成的功能，建立了态势觉察、态势理解和态势预测三级功能通用模型，分析了态势估计中目标分群的特点和属性。2、研究了模式识别领域的聚类分析算法的基本概念和性能衡量指标，考察了聚类分析技术在作战目标聚合问题上的适用性，对较为适用的常用聚类算法的思想和流程进行了详细的实现描述。3、建立了陆战场环境下装甲目标聚合问题的数学模型，采用MATLAB语言对常用聚类算法进行了仿真分析，比较各种算法的优劣并分析其原因。针对这些算法在目标聚合问题上的不足之处，提出了自适应分群算法和最近邻改进算法，并进行了数据仿真与性能分析。4、研究了作战目标的隶属关系与层次关系，提出了分层聚合算法，实现了目标群结构不同层次的抽象划分，提供了多层群结构的状态信息集合，初步揭示了态势元素之间的相互关系。值得指出的是，尽管本文研究的算法主要是针对陆战场上的装甲目标而设计的，但是只要稍加改进，完全可以应用于空中目标和海上目标的聚合问题，从而可以处理海、陆、空联合战场的目标聚合问题。