融合识别分为集中式融合识别和分布式融合识别。

集中式融合识别是各传感器根据各自获取的目标原始测量信息上报给融合中心，融合中心再对各传感器上报的目标原始测量信息进行目标特征提取和目标特征融合，并根据特征融合结果完成目标识别。融合中心在对各传感器提供的目标特征进行融合前，需要将各组特征矢量进行同一性识别处理，以保证参与融合的特征矢量来自同一个目标。常用方法包括支持向量机、神经网络和专家系统等。集中式融合识别的处理流程如图1所示。

图1 集中式融合识别处理流程

分布式融合识别是传感器各自完成特征提取和目标识别，形成对起所观测目标的初步识别结果，并将初步的目标识别结果上报给融合中心，融合中心再对各传感器上报的目标识别结果进行融合得到最终的目标识别结果，融合中心在对各传感器提供的识别结果融合前需要进行同一性识别处理处理，以保证参与融合的识别结果来自同一目标。常用方法包括贝叶斯推断、专家系统和D-S证据推理等。分布式融合识别的处理流程如图2所示。

图2 分布式融合识别处理流程

美国最先将融合识别技术进行军事化应用，其海军装备的CEC（cooperative engagement capacity）系统能够将空中、海上各探测平台获得的测量数据进行实时关联，并具有融合识别和复合跟踪的能力，被美海军称为防空领域的革命。此外，加拿大海军为护卫舰研发的多传感器数据融合系统已经具备了实战化的融合识别功能，它在目标识别系统中建立的平台数据库包含了能够被各类传感器观探测到的各类潜在目标。作为土耳其海军C3I系统重要组成部分的海上联合监视系统（TIMSS）能够识别数以百计的水面舰艇和空中目标，TIMSS系统中的各类雷达和电子支援措施装备能够对所覆盖区域内的目标实施连续不间断地探测，TIMSS系统能够对目标的属性进行融合识别。

在现代战场环境中，无人机、高精度卫星等各类尖端传感器的广泛应用已积累了海量目标信息，如何利用人工智能技术有效利用这些目标信息，以便在未来战场中特别是能够快速准确地进行目标识别是融合识别未来的发展趋势。此外，在复杂战场环境下，目标融合识别应具有一定的自适应性和鲁棒性，不仅能够适应战场环境的动态变化，而且可以减少一些未知不确定性因素对系统产生的影响，因此发展具有自学习和自适应能力的融合识别技术也符合未来融合识别的技术发展要求。