火灾是一种失去人为控制的燃烧过程，产生火灾的基本要素是可燃物、助燃物和点火源，燃烧过程中的物理和化学现象是可以被探测到的。灾报警的根本目的是获取火灾发生时的相关信息，并进行处理，达到及时准确报警的目的。传统的传感方法仅仅通过采集烟、温、光、气等单一的火灾特征参数信息，采用阈值法来判定火灾，不可避免地会受到环境的干扰，限制了其传感性能，系统高误报率的问题比较突出。本文介绍了火灾探测技术发展过程及原理。介绍了几种火灾探测器的类型、探测原理及各类型探测器的优缺点。详细介绍了传统及人工智能火灾信息融合算法，并分析各自的优缺点。火灾信息融合算法是火灾探测系统的重要部分，如何提高探测系统报警的准确率、降低误报率是研究的重点。之后章节介绍了多传感器信息融合技术的基本原理，通过对原理的分析，了解各信息融合结构的形式和优缺点。为有效的利用传感器信息的冗余、多样性，提高火灾探测信息提取的及时性和可靠性，提高火灾探测系统报警的准确性、减少误报打下了良好的理论基础。运用FDS软件模拟几种典型的火灾场景，得到火灾特征参数的信息。分析连续属性离散化方法，运用BayesiaLab构建贝叶斯网络模型，以火场的温度、烟气浓度和CO浓度作为输入变量，以阴燃、明火和无火状态的概率作为输出量。运用Microsoft Visual C++6.0编辑界面，读取火灾特征参数信息及贝叶斯网络模型参数，输出最后信息融合的结果。通过实例，验证可以明确直观的表示出火灾状态的概率，并能较快的做出火灾报警响应，可以很好的识别阴燃火的状态。