随着电子技术的飞速发展，信息融合技术在很多领域也得到了广泛的应用。由于单一传感器在系统的可靠性方面存在缺陷，所以多传感器融合结构逐渐受到研究人员的重视。多传感器信息融合实质上是为了产生比单个传感器更可靠的数据和更准确的信息而通过一定的算法合并来自多个传感器的信息。与此同时，多传感器信息融合技术的实现也可以扩展整个系统的时间及空间覆盖率，提高系统的可靠性和精度并且增加系统的信息利用率。本文针对信息融合技术中的各个环节部分，对多传感器数据的预处理技术、数据关联以及信息融合方法三个重要部分进行了理论研究，基于传统的方法也提出了新的解决问题的方法，并且通过仿真实验验证了算法的有效性。数据预处理技术是整个信息融合的开始准备阶段，是信息融合的关键技术。其中包含的数据配准问题以及野值点的检验与剔除问题，这是预处理技术的核心环节。数据配准问题又可分为时间配准与空间配准两个方面，本文分别进行了研究，以解决多传感器在上报数据时产生的上报数据时间上不同步以及空间上目标坐标系不统一的问题。对数据中野值点的检验方法进行了研究，并在原有算法的基础上提出了在线新息检验的方法。通过对数据中野值点的判断与剔除，可以更充分有效地使用多传感器上报的数据。对于数据关联问题，本文对传统的最近邻方法、概率数据关联算法以及联合概率数据关联算法进行了理论研究，并通过仿真实验对单目标以及多目标的问题进行了研究，验证了算法的有效性。对于数据的分类问题，本文提出利用统计筛选的模式分类与主成分分析的方法将传感器的数据进行分类，通过实验也验证了算法的实用性和有效性。这对于融合结构中的数据关联和分类问题具有一定的参考价值。对于信息融合的方法，主要从量测融合与航迹融合的角度进行了研究。对于量测融合，介绍了扩维滤波、伪序贯滤波及复合量测滤波三种最常用的方法，最后对去偏转换的卡尔曼滤波进行了详细分析，并通过仿真实验，从目标的速度、位置等方面验证了去偏转换的卡尔曼滤波在融合中的有效性。对于航迹融合，通过对简单凸组合航迹融合算法以及加权融合算法等常规算法的研究，提出了自适应的数字滤波算法，它从各个传感器对某一目标的具体数据出发，研究数据之间的相关性从而进行数据的融合过程，并通过仿真实验对比验证了此方法的有效性。根据融合过程中证据的不确定性，研究了D-S证据理论在信息融合中的应用。对于D-S证据理论的基本理论以及算法流程进行了理论研究。并且对证据高冲突的情况进行了分析，提出了一种改进的D-S证据理论的方法。并且通过实验数据说明这个方法在出现高冲突证据的情况时是可用的，可以解决并协调冲突证据之间的矛盾，可以继续根据D-S证据理论进行融合。