数据融合技术是对来自多个数据源的数据（信息）进行处理的一种方法，它是一种综合性横向学科。可以说，数据融合并不是一门全新的技术，它的产生、形成和发展结合了当前多种成熟或发展比较充分的技术和理论，如信息论、概率论、模式识别、神经网络等等。数据融合技术是近年来在多源数据处理领域的研究热点，依靠数据融合技术能够高效快速的处理多源数据，提高模式识别的能力。本论文的主要工作体现在以下几个方面：（1）研究数据融合的模型，分析数据融合技术在模式识别中的应用，给出特征层和决策层进行融合时的流程和算法。（2）研究将数据融合同时用于特征层和决策层，以提高决策性能。本文采用将RBF神经网络应用于对数据融合特征层的数据进行融合，同时将模糊推理算法应用于对决策层的数据进行融合的多层数据融合方案。（3）将所提出的数据融合方案用于汽车类型识别。本文首先在特征层对由所采集图像获取的特征值进行计算，采用RBF神经网络进行融合；在决策层，采用模糊推理算法对RBF神经网络的输出与噪音计、测速仪得到的数据进行计算，输出汽车识别结果。仿真结果表明，利用多层(特征层和决策层)对数据进行融合，相比单层（特征层或决策层）融合方案，取得了更好的识别正确率。