C~4ISR系统拥有众多的信息源，情报来源丰富，未来战争对情报侦察的时效性、准确性的要求也越来越高，因此，用于情报综合处理的C~4ISR系统目标综合识别技术成为信息融合领域中的研究热点。C~4ISR系统中信源提供的情报信息具有很大的不确定性，D-S证据理论为不确定信息的表达和合成提供了自然而强有力的方法，本文主要研究D-S证据理论在C~4ISR系统目标综合识别应用中的证据建模、证据的一致性检验、证据组合方法和性能评估等问题。 本文基于对信任函数的相容性关系解释的扩展，对一个适用于各种不确定性的通用证据模型的建立过程进行了描述，该模型的建立过程与其他针对具体应用背景的证据建模方法相比，适用范围更加广泛；依据证据之间的冲突大小，针对证据来源不确定的两种典型情况，分别提出了基于最小超冲突准则的证据聚类算法和基于κ近邻准则的证据分类算法，两种算法物理意义明确，针对性强，适用范围广，对于解决数据关联的二义性问题，具有一定的辅助作用；通过分析基于Dempster规则的证据组合方法，建立了通用的组合方法框架，提出了基于均衡信度分配准则的证据组合方法，仿真实验表明该方法在稳健性方面具有明显的优势；从提高判决准确度的角度出发，对截断型D-S方法进行了改进，仿真实验结果表明，改进方法在提高基于基本概率分配函数的判决准确度方面要明显优于原有方法；基于海军提供的测试平台，对根据上述理论研究设计的算法进行了性能测试，测试结果表明，提出的证据组合方法能够很好地指导目标综合识别算法的设计，满足实际应用的要求。