多传感器信息融合能够综合利用多个传感器的观察量，形成对环境的精确完整的描述，提高智能信息系统决策的快速性、正确性和科学性，是现代信息处理的强有力工具。 本文系统地研究了多传感器信息融合技术，归纳介绍了多传感器信息融合的国内外发展现状、功能模型、一般算法，研究了传感器数据的一致性检验方法，重点研究了基于Kalman滤波的信息融合算法及联邦Kalman滤波理论，并以船舶吨位智能测量系统为研究对象，设计了多传感器信息融合算法。 文中针对多传感器系统中传感器变更的需要，提出一种基于多模型kalman滤波器的分级式自适应信息融合方法。在第一级中，各子系统对应的局部滤波器根据系统传感器数量和种类选择合适的滤波器模型，进行kalman滤波，融合互补信息；第二级中，融合中心对待测参数的局部估计进行处理，融合冗余信息。仿真结果表明，此方法融合精度较高，且能有效提高系统的容错性能、简化系统重构。 在对基于Kalman滤波的信息融合算法的研究基础上，本文设计了内河航运船舶吨位智能测量系统，根据系统需要详细设计了其中的多声纳传感器信息融合算法和计算船舶吨位的算法，提出“变参考系统”方法来提高系统精度，并根据系统实时性需要使用稳态滤波方法来缩短系统计算时间。仿真实验表明此系统有效可行。