现代战争中大量使用了高新技术,使战略思想、战斗模式、编制体制以及武器装备等方面产生了重大变化,加剧了现代战争的复杂性,推动了数据融合技术的全面发展。战场态势目标识别与态势意图预测是数据融合在军事领域中的重要组成部分,通过对侦察、探测信息中的识别数据进行融合,得到战场目标识别结果及其可信度,再通过侦察、探测信息和战场目标识别结果对当前战场态势、威胁程度进行综合评估,以获得战场态势的整体感知,成为克敌制胜的重要军事手段,因此研究颇具重要意义。新式武器层出叠现,传感器技术高速发展,现代战场复杂多变,无疑加大了战场目标识别和意图预测的复杂困难程度。通过对战场态势目标识别与态势意图预测算法的研究,找出存在的问题,寻求突破点以提出有效可行的算法,使战场目标识别结果准确率得到提高,使目标或目标群的意图预测能力得到提升,为相关算法完善提供参考,为数据融合技术发展尽绵薄之力,在理论与实践上具有一定的价值。本文主要是对战场态势目标识别与态势意图预测的算法进行研究,主要研究内容如下:(1)根据已有的数据融合模型和项目需求,研究了一种新的数据融合模型并予以系统阐述,介绍了数据融合常用算法和实际应用。(2)针对D-S证据理论对战场目标识别数据融合失效的问题,通过对战场目标识别数据特点的分析和证据理论合成法则的研究,提出了两种D-S证据理论的改进方法,即基于数学模型的D-S证据理论和基于折扣系数的D-S证据理论,并通过实验仿真与其他算法进行比较,结果表明两种改进的D-S证据理论具备了提高战场目标识别结果的可信度和准确率的优势。(3)针对黑板模型对意图预测缺乏层次性,对预测结果缺少累计和修正的问题,通过对战场态势分层和黑板模型的研究,提出了基于战场态势的多层黑板模型的意图预测算法,算例分析表明此预测算法具备了提高对目标或目标群的作战意图的预测能力和预测结果准确率的优势。(4)根据实际项目需求,给出系统的工作流程和功能模块并加以实现,同时将本文提出的目标识别算法、意图预测算法应用于系统中,进一步验证了算法的有效性和可行性。