在未来的战场上，为了及时、准确、全面地获得战场信息，采用单一传感器的武器控制系统已不能满足要求，取而代之的必将是以多传感器(雷达、红外搜索跟踪系统、敌我识别、机间数据链等)为基础的先进火控系统。而多传感器目标识别技术就是该火控系统的关键技术之一。 本文首先介绍了多传感器数据融合理论的基本概念和相关理论。在此基础上重点介绍了神经网络技术和D-S证据理论两种算法，分析了神经网络和证据理论的特点，设计了一种适用于多传感器目标识别的融合算法。由于神经网络具有分布式存储和并行处理方式、自组织和自学习的功能以及很强的容错性和鲁棒性等优点，因而在模式识别领域得到了越来越广泛的应用。本文重点介绍了BP神经网络，该网络具有高度的非线性映射能力，采用全局逼近的方法，具有较好的泛化能力。因此，基于D-S证据理论的神经网络识别系统将充分结合D-S证据理论在不确定性推理方面的优势以及神经网络强大的非线性处理能力，从而提高系统的稳定性和识别概率，更为有效的进行目标识别。 本论文的主要工作是：在进行了大量理论研究的基础上，给出了D-S证据理论和BP神经网络的算法描述。并且针对BP算法中存在的缺陷，提出了几种改进算法。设计了一种多传感器目标识别系统，将BP神经网络和D-S证据理论结合用于多传感器空中目标识别。通过仿真，得出的结论是使用多传感器数据融合系统进行目标识别比用单一传感器要好得多，而其两种方法结合后识别系统的稳定性、识别概率都有很大的提高。