与单传感器相比，多源传感器收集的多方面、多类型信息对目标类型识别更有意义。针对当前空中类型识别方法特征单一，分类结果无法交叉验证、准确率低的问题，提出一种融合多源传感器特征的目标类型综合识别方法。该方法首先利用深度学习模型提取目标飞行器的光电图像、运动轨迹、RCS以及电子侦收特征。考虑到真实环境下各传感器特征的重要程度会动态变化，采用注意力机制和距离参数对特征权重进行动态分配。在仿真数据集上的实验结果表明，与单传感器模型相比，集中式方法识别准确率平均提升12.89%，识别效果提升明显；与基于层次分析法投票的分布式模型相比，集中式方法不仅能够更有效地融合多源特征，提升识别效果，并且具有更强的鲁棒性，能适应复杂环境的变化。
