多传感器数据融合即数据融合，是一种对多个传感器的数据进行特征的检测、结果结合、目标关联、状态推断以及组合的全方位、多级别的处理过程。数据融合的目的是实现对目标状态、环境状态的准确推测并做出正确判断。数据融合的应用领域越来越广泛，在现实世界中，大量的复杂环境都可以用多传感器进行信息的融合、表示和分析。多传感器数据融合的关键在于其方法以及原理，因此，对于其方法和原理的掌握至关重要。本文首先简要介绍了多传感器数据融合的背景和意义、国内外发展现状等。然后，详细介绍了多传感器数据融合的基本原理，总结数据融合的基本模型、相关级别和应用领域，归纳出数据融合基本方法并对其进行详细分类，并着重对其中的D-S证据理论融合方法以及模糊集理论融合方法进行了详细介绍，包括基本原理、融合规则、应用范围以及存在的实际问题等。最后，进一步探讨目标识别和状态检测问题的现状以及多传感器融合技术在相关方面的应用问题，并根据现存研究方法存在的目标冲突问题最终提出基于模糊加权的D-S证据理论融合方法，同时根据现有理论和融合计算公式等详细论述其较其他方法所具有的更好的融合效果。与此同时，在windows系统下进行Matlab仿真实验，对本文提到的几种融合方法以及本文提出的新方法进行实验对照，实验表明基于模糊加权支持度的证据理论融合算法能够提高融合系统的融合效率，并且在数据源个数相同的情况下降低了算法的时间开销，提高了算法的融合速度。