随着计算机技术、网络技术、通信技术和微电子技术的迅速发展，以及现代战争的复杂性日益提高，传统的目标识别与位置估计信息融合处理系统已经存在了许多问题。例如背景和环境的复杂性、多传感器信息的多样化，系统对信息容量和处理速度的要求越来越高，并且要求系统要有“学习”和“识别”能力等问题。另外信息融合技术至今尚未形成完整的理论框架，尤其是在信息融合系统的功能模型、抽象层次、系统体系结构设计和性能评价等方面还有待于从系统角度进行探讨。正是在这种背景下，本论文提出了一种新的系统分析和设计方法，引入了多Agent系统即MAS(Multi-Agent System)技术。本论文的主要目的是为了解决目前目标识别与位置估计融合处理系统存在的问题，以及在现有的Agent理论与应用之间做一些连接和转化方面的研究工作。具体工作包括以下几个方面。本文对目标识别与位置估计信息融合处理系统进行了研究，提出了目标识别与位置估计融合处理的多Agent系统，该系统在本论文以后的介绍中简称为MAS-ORLEIFP(The Multi-Agent System of the Object Recognition and Location Estimation Information Fusion Process)。整个系统中任何一个复杂的功能都可以分解成一系列相对简单、独立的模块。在系统设计时，根据分解出的一系列模块，抽象出一系列的原子Agent(即基础Agent)。本文对多Agent之间的协作和通信进行了研究，对传统的合同网协作方法进行了改进，提出了一种新的协作方法，即在合同网协作方法中融合了黑板模型协作方法的思想，弥补了传统合同网协作方法中的不足。本文通过Agent的强化学习和在系统中增加反馈功能，来提高Agent的自适应和自学习能力，增强了系统的信息融合性能和智能性以及与环境的交互性。最后本文对多Agent系统编程实现进行了深入地研究，包括Agent开发工具的研究以及MAS-ORLEIFP系统的程序框架和编程实现的过程，并结合具