融合目标识别领域有待解决的基础性难题之一是如何对各传感器输出的不确定性信息进行有效处理。信任函数理论作为不确定性信息处理的重要数学模型具有广泛的适用性。论文基于信任函数理论对融合目标识别技术中不确定性信息的表征与合成问题进行了研究。在基于信任函数理论实现融合目标识别的过程中,面临的第一个问题是如何根据各传感器关于待识别目标输出的识别结果构造信任函数理论能够处理的基本信任分配函数。论文第三章根据抽象层、排序层以及度量层识别结果的不同数学形式,分别设计了相应的基本信任分配函数构造方法。其中对抽象层信息,基于混淆矩阵提出了两种基本信任分配函数构造方法;对排序层信息,通过构造排位比例矩阵对基本信任分配函数进行了构造;对度量层信息,分别提出了基于参考向量与白化权函数的基本信任分配函数构造方法以及一种一致支持函数的构造方法。Dempster组合规则是组合基本信任分配函数所表征证据的最经典、最常用规则,但其在组合高冲突证据时会得到有悖常理的结果。为了研究更加合理有效的冲突证据组合规则,首先需要进行合理的证据冲突度量。论文第四章将Shafer的直接冲突度量与Daniel的潜在冲突思想相结合,构造了一种广义冲突度量。这种冲突度量既包括了合取组合过程中无法承诺的基本信任质量,又考虑了相容焦元之间不重叠部分可能造成的潜在不相容信任,较现有的各种冲突度量更为全面,为组合规则的构造提供了重要参考。在冲突度量策略确定之后,可以根据冲突的量化取值设计相应的证据组合规则,其核心步骤是冲突按比例在组合后焦元上的重分配。在论文的第五章中,一方面延续现有工作中基于Shafer定义的直接冲突度量的按比例重分配研究,提出了一种证据的综合组合规则,该规则除了能够合理分配直接冲突并根据焦元基数决定向下聚焦的权重外,还满足可交换性,存在单位元并能保持条件化行为。另一方面,在广义冲突度量的基础上,论文还提出了一种新的证据组合规则,该规则可以将向下聚焦权重问题纳入广义冲突处理过程一并解决,并能够设计使规则满足准可结合性的算法以提高计算效率,具有较高的实用价值。为了减弱低可靠性传感器输出证据的不利影响,保证融合效果的稳健性,论文的第六章研究了传感器可靠性评估与证据折扣规则。在现有传感器可靠性评估框架的基础上,分别对传感器的静态与动态可靠性进行了评估,并基于所得的可靠性因子提出了新的证据折扣方案。其中,静态可靠性因子由各传感器的混淆矩阵获得,能够对每个可能出现的类别都获得一个可靠性因子,并根据传感器对待识别目标类别的本地判决对这些因子进行动态选择,以实现证据折扣运算。而对动态可靠性因子,则通过在各传感器的输出信息与表示多数意见的信息之间计算直接冲突度量得到,并结合冲突按比例重分配的思想提出了一种改进的折扣规则,能够将折扣量根据部分冲突的大小进行更为细致的分配。论文提出的所有方法均通过算例和空中目标雷达实测数据进行了效果验证,这些方法和研究结论可以对解决融合目标识别过程中的不确定性信息表征与合成问题提供技术支持。