火灾是一种失去人为控制的燃烧过程，它严重的威胁了人类的生命和财产安全。因此，如何提高火灾探测系统的性能，实现早期预报火情并及时、准确的报警一直是人们研究的热点。传统单一传感器式的火灾探测是针对众多火灾参数中的一个参数进行探测，采取简单的阈值算法判断火灾的发生。但是，由于火灾信号的随机性和不确定性，单一参数的探测容易造成火灾报警的漏报和误报。因此为了能够实现火灾报警的快速性、准确性，基于人工智能技术的多传感器式火灾探测技术成为火灾探测的研究热点之一。本文采用的基于信息融合技术的火灾探测算法将融合系统分为三个层次：信息层、特征层和决策层。信息层主要是对原始数据的采集及数据的预处理。首先将探测器采集的温度、烟雾浓度、CO浓度和红外信号进行预处理，通过局部决策判断，在出现有异常信号时，对同组的火灾参数进行特征提取并送交特征层。特征层主要是对提取的火灾特征参数进行特征层融合。采用BP神经网络特征融合器进行阴燃火、明火、非火灾源干扰三种火情的识别，得出它们各自发生的概率。决策层主要是做出火灾探测系统的最终决策输出。本文通过火灾危险度和火灾危害度来确定建筑物的火灾保护等级，并将它作为决策层的一个间接判据，将火灾信号的持续时间及特征层得出的明火、阴燃火火情概率作为直接判据，进行决策层的模糊推理，将火灾报警分为四个等级进行决策输出。该算法将火灾探测器探测的火灾特征参数作为直接判据，并将火灾的保护等级作为间接判据，提高了火灾探测系统的准确性。最后将消防联动控制与火灾报警等级相关联，进行火灾报警及消防联动控制系统的方案选择。通过中国标准明火SH4、标准阴燃火SH1以及厨房环境下的典型干扰数据进行仿真，验证这种基于信息融合技术的火灾探测方法的可行性和有效性。