El número creciente de desechos espaciales y objetivos activos en el espacio hace que el entorno espacial sea cada vez más complejo. El reconocimiento de objetivos espaciales, un componente crucial de la conciencia situacional espacial, es de suma importancia para la seguridad espacial. En primer lugar, este documento elucida los principios fundamentales del aprendizaje en conjunto, analiza sus características y método de fusión, y proporciona una comparación exhaustiva de tres métodos comunes de aprendizaje en conjunto. En segundo lugar, este documento analiza los atributos básicos y características de los objetivos espaciales y categoriza la jerarquía del reconocimiento de objetivos espaciales. Además, el documento revisa los avances en la aplicación del aprendizaje en conjunto en el reconocimiento de objetivos espaciales, centrándose en tres aspectos: conjuntos de datos de reconocimiento de objetivos espaciales, el ensamblaje de modelos tradicionales de aprendizaje automático y el aprendizaje profundo en conjunto. Posteriormente, se prueban algoritmos de aprendizaje automático clásico y de aprendizaje en conjunto en un conjunto de datos de simulación de objetivos espaciales construido por nosotros, y encontramos que Stacking tiene un buen rendimiento en este conjunto de datos. Finalmente, el documento discute las direcciones futuras de investigación.