本文以多传感器信息融合技术为研究重点，结合它在可移动机器人中的应用进行了理论和实践上的探讨，所作的主要工作如下： 1.讨论了数据融合技术定义的功能性描述和数据融合的目的，接着研究了融合的三种层次包括数据级融合、特征级融合、决策级融合，以图解方式说明了融合系统的模型结构。然后探讨了一些较成熟的多传感器的融合算法并对其进行了比较。 2.通过对BP神经网络的深入研究和探讨，得到了如何对BP网络的各项参数进行最优设置。在所设计的网络中，创建了三层的神经网络，应用前面得出的结论，恰当地选取了训练误差、学习步长、隐层节点数、并对学习样本进行初始化处理等。通过仿真表明，该网络可快速达到收敛并满足训练目标。这些对神经网络的创建和训练都有着指导性的意义。 3.讨论了超声波传感器的测量误差，并根据测量数据设计了机器人的多传感器系统；设计了基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法，将其成功地用于传感器数据初步融合，确定了障碍物的距离和方位。并采用BP神经网络对障碍物环境分类，成功地利用BP神经网络算法进行了模式识别，为移动机器人的导航和避障打下了基础。