由于以敌我识别器（简称IFF）为代表的传统协作式敌我识别方法所能获得的目标身份属性有限，且其对系统的可靠性要求高，导致它做出的目标属性判别结果不够准确。现代战争是信息化条件下的高技术战争，其环境充斥着各种干扰，为了取得战争的胜利，获取可靠的目标身份属性是首要条件。然而，传统的协作式敌我识别方法已经无法满足该要求，因此需要结合非协作式敌我识别方法形成综合敌我识别网络，扩大整个系统的时域/空域/频域覆盖范围，得到更加可靠的目标身份判别结果。其中，高效、可靠的信息融合技术是保证该系统准确度的关键所在。本文依托基于雷达与IFF的综合敌我识别课题，主要研究了不确定性的处理、周期融合算法、可以解决准则属性判别结果间冲突的改进D-S算法和综合敌我识别系统识别框架，主要内容有：1、分析了系统中雷达与IFF目标信息的不确定性，并根据该分析结果选取了合适的身份推导算法和融合方法，以减小模糊不确定性和随机不确定性对系统最终判决结果的影响。2、研究了周期融合方法。首先分析了利用一般D-S进行周期融合存在的超估计问题，然后提出了基于模糊综合评判的周期融合方法，通过仿真验证了该方法能剔除部分错误周期判别结果并提高融合速度。3、研究了能够部分解决证据集冲突的基于证据折扣度的证据改造方法，该方法保持D-S的组合规则不变，利于工程实现。在修正证据集的基础上提出了融合结果的可信度估计方法。通过仿真证实了此改进D-S方法的冲突解决能力，也验证了所提的可信度估计方法的合理性。4、基于现有的敌我识别方法及所提出的周期融合方法、解决冲突的D-S方法搭建了一个基于雷达与IFF的综合敌我识别框架，具体介绍了框架内部各模块的实现方法，给出了适合各模块的属性更新方式，最后通过所构造的航迹数据验证了该识别框架的优势与可扩展性。