随着现代科技和计算机技术的快速发展,多传感器数据融合技术已经广泛的应用于现代军事和民用中,表现出巨大的研究潜力。在军事中的应用越来越多,成为国防建设中的热点,现代战争是科技的战争,数据融合在目标航迹的确定及身份识别中发挥着巨大的作用。传感器给出的信息主要包括位置的信息和身份的信息等。已知位置信息,通过航迹关联方法可以预测出待测目标的位置,航迹关联方法主要包括最邻近数据关联法和概率数据关联法以及联合概率数据关联法。联合概率数据关联法是一种基于概率数据关联法的改进方法。已知身份信息,通过目标身份识别和融合技术可以得到待测目标的具体身份。目标身份识别技术主要包括相似性系数法、统计模型识别技术、神经网络等方法。神经网络是近几年兴起的新方法,理论较为完整,具有很大的研究潜力,应用十分广泛,对角递归神经网络(DRNN)是一种具有反馈的神经网络,可以用来预测和分类。身份融合技术主要包括目标识别身份融合的最佳方法和D-S证据理论等方法。国内外关于数据融合的研究也日益增多,尤其在身份融合方面。在D-S证据理论中,由于Dempster组合规则自身存在着不能正确融合冲突证据的缺点,改进方法层出不穷。本文在这些方法的基础上引入pignistic概率函数,提出一种基于pignistic概率函数的改进方法,通过具体的例子证明该方法计算量小,收敛快,能够更快速、准确的得到合成结果,并将其应用到齿轮故障检测系统,通过具体例子比较分析各种改进方法的性能,实验证明基于pignistic概率函数的改进方法能够更加精确地给出待测目标的身份信息。