周 钢，瞿 洋，张社国

(1.海军工程大学， 武汉 430033； 2.中国人民解放军92682部队, 广东 湛江 524000)

多源信息融合是一种多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高目标实体的状态和身份估计的精度，以及对战场态势和威胁的重要程度进行适时完整的评价[1]。随着信息采集手段和技术的发展，多源信息融合的信息源拓展到包括雷达、声纳、红外、航拍、遥感等传感设备和数据库、知识库、人工情报、互联网等多种来源。多源信息融合在战场情报综合处理、联合海情数据分析等领域具有广泛应用实践[2、3]。多源信息融合识别是利用各类情报资源，通过统一时空基准、区域协同，产生探测目标的一致性解释或描述[4]。本文中围绕多源信息融合典型模型中的历史数据利用不足和智能程度不高的问题，关注目标识别的类别判断问题，分析当前通用的多源融合模型，探析传统模型存在的问题，并针对性提出了一种基于集成学习的多源信息融合识别模型，进行了典型案例应用分析。

1 多源信息融合识别

在多源信息融合中，由于各类情报探测设备和情报收集源的差异性，为了更好的发挥各情报装备的性能，根据各情报探测装备在情报获取性能上的差异性、互补性，通过协调、集成、融合，进一步发挥情报体系的一体化、联合化、体系化作战能力，提升战场情报综合分析处理的效能。

1.1 战场多源信息融合多层架构

战场多源信息融合识别根据融合层次可以分为探测装备层融合、目标位置层融合、特征属性层融合、战场态势层融合和威胁评估层融合[5]。……