面对信息爆炸的时代，信息超载无法处理的情况日益常见。这使人们开始认识到信息综合处理技术的重要性，这时数据融合这一学科得到了快速发展。 在以前，大量的战场信息综合分析工作基本上都要由熟练的军事指挥员完成，由于战场上各种传感器(侦察仪器)数目和信息处理量的不断增加，迫切要求对各种传感器所获得的信息实现自动综合分析，所以80年代初数据融合在军事领域就开始崭露头脚了。目前常用的数据融合方法有：模糊数学，神经网络，遗传算法等。舰艇编队作战数据融合需要将指挥员的经验知识和数学推理知识结合在一起，才能达到比较好结果。 李德毅教授提出的云模型方法是定性（经验知识）与定量（数学推理知识）之间转换的又一崭新方法。该方法在统计数学和模糊数学的基础上，统一刻画了语言值与数值之间的随机性和模糊性，实现了定性到定量的自然转换。云模型是用语言值表示的某个定性概念与其定量表示之间的不确定性转换模型，用以反映自然语言中概念的不确定性。它用三个数字特征：均值（Ex）、熵（En）和超熵（He），将概念的随机性与模糊性融为一体。云模型作为定性定量之间的转换工具在知识表达、数据挖掘、C3I系统效能评估等方面正发挥着越来越重要的作用。针对云模型的概念表述、推理规则、内在机理等问题，诸多学者进一步提出自己的研究成果。将云模型与神经网络、蚁群算法相结合，也是近几年新的研究趋势。 云模型是一种新兴的用于模拟人类思维中存在的不确定性智能的转换模型。本文在对云模型原理、定性概念描述、推理机制深入研究的基础上，提出了一系列算法，并通过仿真对比实验验证了所提出方法的可行性和有效性，从而在深入挖掘了其内在机制和规律的基础上进一步拓宽了云模型的应用范围，取得了满意的效果。 首先，阐述数据融合的意义、理论基础、实现技术和研究现状，给出了关于数据融合研究领域的一个概观。本论文研究的重点是数据融合领域中的效能评估及威胁估计。效能评估和威胁估计，是一个在军事领域有着广泛应用的问题。近二十年来，该问题引起了人们的普遍关注和极大兴趣。本论文以舰艇编队为对象，研究效能评估及威胁估计。舰艇编队的效能评估和威胁评估包括很多方面的内容，效能评估包括己方的态势，敌方的态势和友方的态势，威胁估计包括对空中目标，水下目标，岸基目标的威胁评估。本文主要研究舰队本身的态势，分析其作战效能，这是贯彻我军“以我为主”的军事思想；同时主要研究舰队空中来袭目标的威胁判断和威胁排序，因为舰队在海上主要面临的是空中目标的来袭。 然后，建立了舰艇编队作战效能评估模型。在对云模型方法的基础理论做进一步的分析与研究的基础上提出了一种基于正态云模型的作战效能评估算法，仿真结果表明该算法可行，有效。 最后给出了一维云模型映射器，分析了一维云模型映射器的映射特征，从而通过对一维云模型集合或云模型推理规则的少量修改，就可以获得截然不同的非线性映射特性。所得结论为云模型下一步的应用具有一定的指导意义和参考价值。根据一维云模型映射特性，设计了一种舰队对空中目标威胁评估模型，同时提出了基于该模型的舰队对空威胁评估算法。通过与其它威胁评估算法的仿真结果比较，证明该算法更具有灵活性，更贴近战场实际情况。