融合识别和传感器管理技术是天基光学信息处理系统中的关键技术。本文针对天基光学信息处理系统中卫星星座的特点,从以下三个方面对其进行了融合识别算法和传感器管理策略的研究。1.针对多传感器系统对空间目标的识别过程,提出了基于自适应模糊积分的决策层融合识别算法。根据天基光学信息处理系统的实际情况,选择进行决策层融合识别。在给出了模糊测度和模糊积分的基本定义和性质的基础之上,将其与信息融合理论相结合,对传感器的不确定性等进行了分析,并定义了此时用于决策层识别的自适应模糊测度。有鉴于此,提出了一种既利用静态先验知识又结合各传感器判决结果不确定性的,对模糊测度进行自适应修正的动态赋值方法,基于自适应模糊积分的决策层融合识别算法,有效提高了多传感器系统的融合识别率。2.在对空间目标进行红外双波段特征提取的基础上,提出了基于自适应模糊积分的特征层融合识别算法。考虑到天基光学信息处理系统主要依靠卫星上装载的红外中波段以及长波段传感器来进行空间信息获取,本文分析了空间目标的红外双波段辐射特性,对比了其与诱饵等其它干扰的辐射特性差异,据此提取了平均灰度比分布和灰度变化率两个可分辨特征。在此基础上,提出了一种基于自适应模糊积分的特征层融合识别算法,利用特征的描述品质和决策品质对模糊测度进行定义,以及对模糊积分进行自适应处理,使运用模糊积分的识别结果能够进行动态自修正,进一步提高了天基光学信息处理系统将空间目标从诱饵等干扰中识别出来的能力。3.针对天基光学信息处理系统的特点,建立了融合识别过程中的传感器管理模型,并提出了基于贪婪算法和基于粒子群算法的模型求解方法。一方面,建立了基于卫星星座的传感器管理模型,通过对目标优先级和目标与传感器组合性能进行具体量化实现了对优化目标函数的定义,又通过传感器可观测性分析等给出了约束条件。另一方面,为对建立的优化模型进行求解,本文引入了贪婪算法和粒子群算法,提出了基于贪婪算法的传感器管理方法和基于粒子群算法的传感器管理方法,这两种算法都能够对传感器资源进行合理的分配和充分的利用,并且分析了这两种方法的特点,对比了各自性能上的优势和不足,对在实际应用中传感器管理策略的选择提供了依据。