多源信息融合可以认为是一种研究多源不确定信息，并对其进行综合处理及利用的理论和方法。它在空中和地面交通管制、流程工业监督与控制等民用领域，以及军事指挥系统、战场监视等军事领域都具有广阔的应用前景。传统多源信息融合方法大都依赖于事先建立的理论机理模型，一般会引入一定的简化操作。然而实际中的应用往往会较为复杂，建立的理论模型一般存在一定的偏差，甚至无法准确给出满足性能要求的理论模型。针对上述问题，本文利用数据驱动的思想，对多源信息融合问题进行了深入研究，主要的研究工作和取得的成果如下：首先，综述了多源信息融合方法的应用范围、研究现状及存在缺陷，概括总结了多源信息融合问题的理论基础，包括信息融合中各层次的融合方法和有关目标跟踪算法。其次，针对传统多源信息融合方法现存的难点与不足之处，利用数据驱动的思想，提出了基于数据驱动的多源信息融合方法，并给出了基于动态数据驱动的多源信息融合和数据驱动与模型驱动协同作用下的多源信息融合两种不同的实现框架，同时分析了它们的适用性和可操作性。再次，重点研究了数据驱动与模型驱动协同作用的多源信息融合方法，将数据驱动模块与传统的模型驱动有机结合。并结合基于声音信息融合的地面车辆声辨识实例，阐释了该法在实例中通过联合利用基于数据的特征集与基于模型的特征集，有效弥补了模型中缺失的信息，使车辆辨识精度得到提高。最后，研究了信息融合领域中的联合目标跟踪与分类技术，先给出了传统JTC框架下，利用多模粒子滤波算法完成对不同类目标的状态估计和类型识别。经仿真实验分析，指出其存在的缺陷与问题。为此，提出了一种基于数据驱动的PAS-JTC算法，通过获取更为可信的类型识别结果来反馈指导目标跟踪，促进了联合目标跟踪与分类技术的进一步发展。