随着科学技术的发展和现代战争的需要，多传感器数据融合作为一门新兴交叉学科在近年来得到了广泛关注和飞速发展。多传感器数据融合技术能够综合多个传感器提供的各个侧面信息，可以获得观测对象更全面、更准确的信息，从而得到准确、快捷的决策和判断。目标识别是数据融合技术的一个重要组成部分，也是军事技术研究领域中的一个重要课题。目标识别笼统的定义就是对目标类型或属性等做出某种判别。在高技术条件下的局部战争中，飞机发挥着十分重要的作用，高效快速地识别飞机目标的方法有利于作战指挥员实时把握敌方动态进行决策分析并迅速做出反应赢得战争的胜利。因此，对飞机目标识别的研究具有重要的理论意义和重大的实际应用价值，对于我国国防建设也具有重要的战略意义和社会效益。国内外已有很多研究人员在此方面做了大量的研究与探索，但由于飞机目标在不断运动，其姿态在不断变化，从而姿态的图像千差万别，使得在三维空间中进行飞机识别的难度大大增加了。三维目标的识别可以转化为二维问题，所以本文先研究二维飞机目标的识别，以验证可行性，然后将其推广到三维飞机目标识别。传统的多传感器数据融合是在数据级、特征级和决策级上进行的，本文从多级融合的角度出发，提出了一种三级数据融合目标识别系统模型。该系统模型充分结合了D-S证据理论在不确定性推理方面的优势以及人工神经网络强大的非线性处理能力，利用神经网络的自学习功能，解决了D-S证据理论中的基本概率分配函数难以获取的瓶颈问题，有机地将D-S证据理论和人工神经网络技术相结合。仿真实验表明本文设计的三级数据融合目标识别系统模型比一级、二级融合目标识别系统模型具有较高的识别率，此融合系统模型也适合其它的目标识别。