近年来多传感器信息融合技术在军事以及日常生活中得到了广泛的应用,多传感器信息融合技术是通过综合来自不同传感器的量测信息,进行数据预处理、数据关联、数据决策和数据融合等等,做出正确的判断与决策的过程。本论文主要研究数据决策以及数据融合过程中涉及的算法。首先,介绍了多传感器信息融合的管理方法,并详细介绍了多传感器的功能模型、层次模型,以及数学模型。其次,本文主要研究了卡尔曼滤波算法,并针对卡尔曼滤波的特点提出了基于信息熵的多传感器卡尔曼滤波算法。实验仿真表明该方法能有效解决单传感器信息的丢失以及高斯白噪声下的滤波问题。再次,由于神经网络的特点十分适合特征层的融合,本文研究了BP神经网络以及径向基神经网络。并针对神经网络训练速度慢的特点,提出了改进的BP神经网络算法。最后,本文着重学习了DS证据理论,证据理论主要用于处理信息融合中的决策过程,并取得了很广泛的应用。但DS证据理论存在一些不足,本文针对DS证据理论中一票否决以及冲突过大的问题提出了对算法的改进。通过比较仿真得出本文所提方法有很好的判决效果,并有很好的鲁棒性。