多传感器融合技术是近年来信息科学领域的一个研究热点,因其具有高精度、低成本等优势在军事和民用领域中得到普遍应用。本文主要对多传感器融合部分相关技术进行研究,主要工作内容如下:首先,针对概率数据关联技术在量测不确定情况下跟踪效果不佳问题,引入改进的加权公式来改善关联概率,修正了概率数据关联算法,更好地区分来自目标和杂波的量测值。在此基础上,与交互多模型下的无迹卡尔曼滤波算法相结合实现对密集杂波下机动目标跟踪,利用无迹卡尔曼进行预测,并采用改进的数据关联方法进行回波关联获得组合新息,最后基于组合新息完成状态更新。然后,对于分布式系统航迹融合中各节点局部估计值之间互协方差未知情况,凸组合融合算法以传感器之间估计误差绝对独立为前提,协方差交叉融合算法以估计误差完全相关为前提,本文结合两者的优势保留其相关性和独立性;同时通过果蝇算法优化融合系数,进一步改善了融合复杂度,更好地应用于双雷达融合算法。当雷达多于两个时,融合算法会更加复杂化,同时也会存在融合结果会随着融合顺序不同发生变化的不足。本文将各节点估计方差矩阵逆的迹的倒数作为计算融合系数的中间变量,提出了一种改进协方差交叉融合算法。仿真结果表明,改进算法在获取更优融合结果的同时进一步减少了计算时间。最后,将果蝇优化算法与粒子滤波结合,本文提出了一种基于优化粒子滤波跟踪融合方法。算法首先利用果蝇算法优化粒子滤波,并在重采样过程中引入距离比较公式,有效地改善了粒子滤波过程中粒子精度低和粒子多样性不足等问题。最后将改进的滤波方法用于雷达和红外传感器加权融合中,实验结果表明,本文方法与传统方法相比,具有更好的跟踪效果和更高的融合精度。