敌我识别是指通过各种可以利用的技术和手段,结合通用或专用的平台装备,在作战所需时空范围内,对目标敌我属性进行判别和确认。现代信息科学技术的发展进步推动了以新型雷达、可见光、红外、ESM为代表的典型传感器的飞速发展,这些传感器拓展了战场主体对目标自身特有信息的获取能力,极大地丰富了可用于目标敌我属性识别的信息来源。如何对各传感器输出的各类不同层次的不确定性目标身份识别信息进行合理表征与有效合成,以给出目标敌我属性的一致性判别结果,是综合敌我识别的核心理论问题之一。本文通过对典型敌我识别信源特点、以及证据网络理论和方法的研究,提出了基于证据网络模型的多源敌我识别信息融合处理方法,为目标综合敌我识别提供一种可用的信息综合处理方法。首先,介绍了JDL信息融合模型,分析了JDL模型的层级特性及各层级中的多假设结构特点,以及敌我识别问题在该模型中的位置;针对综合敌我识别中典型协作式传感器和非协作式传感器,以及外部信源获取目标信息的特点,分析介绍了这些典型信源的目标识别能力;针对多源异类识别信息的多层次性,结合JDL信息融合模型,提出了多源敌我识别信息的层次化融合处理机制。其次,介绍了证据网络的基本定义、关键要素、一般化的结构建模和参数建模流程;从定性层面的无向图、有向图两方面,深入分析了以联合信任函数、条件信任函数为参数模型的证据网络建模过程;概括了证据网络的特点,指明了其对不确定性和层次性信息融合处理方面的优势。在此基础上,针对综合敌我识别问题的特点,提出并构建了两类多源敌我识别信息融合处理的证据网络模型。首先,提出了以无向图为拓扑结构、以联合信任函数为参数模型的多源敌我识别信息证据网络融合处理方法,实现了网络的结构设计和参数获取,研究了以扩张和边缘化为基本操作的推理算法和求解思路。针对联合信任推理中组合爆炸的问题,探讨了基于VBS理论的证据网络推理方法,构建了BJT结构推理图。然后,提出了以有向图为拓扑结构、以条件信任函数为参数模型的证据网络建模方法,深入分析了前向推理和后向推理算法。针对典型场景下的目标综合敌我识别问题,构建了基于联合信任函数、条件信任函数的证据网络模型,通过仿真实例验证了该融合推理方法的有效性,该方法有望在综合敌我识别系统中发挥重要作用。