数据融合就是将来自多个传感器或多源的信息进行综合处理,从而得出更为准确、可靠的结论。通过对多传感器数据融合的功能和结构模型的分析比较,并结合具体的应用,确定了本论文采用位置级多传感器数据融合技术,是光电跟踪测量系统提高设备跟踪稳定性进而提高观测报告准确性,为事后数据处理提供可靠、稳定的空间目标数据采样,从而提高准实时及事后数据处理精度。从光电跟踪系统的具体情况出发,经过对数据融合结构的分析,确定融合方法为加权平均的融合方法。先对光学传感器和雷达传感器的角度数据进行预处理,给加权融合节点提供在时间上一致的目标数据,再对这些数据进行加权融合,把结果送控制系统参与设备运动控制,最后对融合结果进行Kalman 滤波预测产生一步外推。对雷达包括角度数据和距离数据的全信息进行坐标变换,分别对目标在三个坐标轴上的分量进行Kalman 滤波,从而得到目标的一步外推估计,再转换到设备的极坐标系中。对加权融合结果的外推数据和雷达数据的外推数据进行时间上的关联、选优得到融合算法的参考值(该值是加权平均方法确定权值的基准)。当出现多目标时,经预处理保证了数据的可靠性,在加权平均环节解决了预处理中不能解决的传感器提取假目标信息的问题,最终在数据选优中通过对雷达数据滤波估计值和加权融合数据的滤波估计值进行选优,保证了权值确定方法中所要求的参考值数据。经过对实际测量数据的仿真,说明融合数据平滑性和可靠性高于任一单一传感器的数据,达到了融合的目的。