多传感器数据融合是处理多源信息的一门综合性学科,是高新科学技术迅速发展的产物,广泛应用于军事和民事中的多个领域。异类传感器数据融合是多传感器数据融合中的重点和难点课题,专家学者们一直重视研究这方面,研究其如何利用不同类型的传感器测得的多源数据的互补性和冗余性,获得比单个传感器更加准确的目标状态和位置信息。本文研究了异类多传感器融合中的数据关联、数据融合和状态滤波问题,并建立了一个异类多传感器数据融合跟踪系统,对目标进行探测。首先,本文研究了多种不同型的传感器的特点和性能,研究了多传感器数据融合的结构模型,分析了三种位置级数据融合模型的功能以及它们的优缺点,介绍了数据融合的关键技术和方法,在此基础上提出了一种异类多传感器数据融合的结构模型。其次,重点研究了异类多传感器数据融合中的数据关联、数据融合和滤波方法。详细分析了修正法、最近临域法和序贯法等多种基于统计理论的数据关联算法,通过仿真验证了不同算法的正确关联率和错误关联率。介绍了几种数据融合算法,并在加权融合算法的基础上,提出了一种基于局部状态估计(LSE)的加权融合算法,仿真验证了其有效性能。研究了状态估计的滤波算法,在卡尔曼滤波的基础上,研究了扩展卡尔曼滤波、不敏卡尔曼滤波和粒子滤波这三种非线性滤波算法,通过仿真分析了它们的跟踪性能。最后,通过对数据关联方法、数据融合方法和滤波方法的研究,结合不同类型传感器的特性和融合结构模型建立了一个由雷达、红外传感器和激光传感器组成的异类多传感器数据融合跟踪系统,对空中目标进行了探测跟踪,并通过仿真验证了系统的可靠性和较好的融合跟踪性能。