计量校准是现代社会经济活动、国防建设、社会发展和科学研究的技术基础,同时也是维护贸易公平、促进市场发展和保护消费者权益的重要法制手段。然而,计量检测、校准、标准溯源的精准性受计量实验室环境影响严重。因而,计量实验室环境监测是确保计量实验准确可靠的重要前提,已成为当前计量实验室建设必不可少的环节。传统的基于单传感器的计量实验室环境监测难以对环境实施全面、可靠的监测,特别是对于大型、精密化计量检测环境更加难以进行。本文在深入分析计量实验室环境监测系统中各种类型传感器数据特点与计量实验室环境状态关系的基础上,深入探讨面向计量实验室环境监测的多源传感器数据融合架构与分层多传感器数据融合方法,为计量实验提供可靠的实验室环境保障。论文主要研究工作与创新点总结如下:（1）提出一种基于两级融合的多传感器数据融合架构框架。针对计量实验室环境监测中多源异构传感器数据在表现形式、采样速率、样本规模、目标关注点等方面差异性大、冗余度高的问题,采用两级融合架构,分别在数据级和决策级层面进行多源异构传感器数据融合,有效降低了数据融合算法设计与实现难度,提升了多源异构数据的融合效果。（2）提出一种基于变分贝叶斯高斯混合模型的自适应不均衡数据综合采样方法。针对不同计量实验环境状态样本分布不均衡问题,利用高斯混合模型能有效表征任意空间分布信息的优势,提出了一种基于变分贝叶斯的高斯混合模型构建方法,可实现不均衡数据集的自适应过采样,获得相对均衡的环境状态监测数据集,利于无偏环境状态分类器学习。实验结果表明,所提方法有效提升了传统分类器对于不均衡数据集的分类准确度。（3）提出一种基于改进BP神经网络的多源异构传感器的数据级融合算法。针对同类传感器数据中存在信息冗余、监测误差的问题,有针对性地设计了面向同类型传感器数据融合的BP神经网络模型,提出了基于灰狼算法的BP权值调整方法,对神经网络模型的权值进行调整。仿真实验结果表明,所提方法极大改进了BP神经网络的性能,数据级融合效果得到提升。（4）提出一种基于D-S证据理论的多源传感器数据的决策级融合算法。针对计量实验室环境需要多种监测数据而难以实现环境状态综合评估的问题,在BP神经网络的各类传感器数据级融合结果的基础上,对环境状态进行综合评估,设计了一种基于D-S证据理论的多传感器数据融合算法,有效提高了实验室环境状态综合评判的可信度。最后,从工程实际需求出发,开发了相应的实验仿真系统,对所提出的两级融合架构的数据融合算法,进行算法效果评估。仿真结果表明,所提出的两级融合架构能有效提升计量实验室监测系统数据融合效能,为准确的实验室计量、量值传递、标注溯源提供技术支撑。