数据融合是对多源信息进行处理的一门综合性学科，通过对多个或多种传感器进行融合以得到更为准确的估计和推理，是目前研究的热点，已得到广泛应用。本文系统地研究了以雷达和红外为代表的多源目标探测器数据融合问题。 本文首先综述了数据融合技术的概念、基本原理、研究意义和应用；介绍了数据融合的功能模型和层次结构。 研究讨论了数据融合前的预处理技术，包括数据的空间对准、时间配准和合理性检验三个方面。1.详细论述了空间对准时的常用坐标系、坐标变换理论。2.在给出并分析了现有的时间配准方法后，经改进提出了基于数据拟合的时间配准算法，很好地解决了原有方法中对目标匀速运动的假设限制和观测误差的影响，使算法更具有实用性；为了满足雷达和红外等目标探测器使用场合对数据精度的要求，利用神经网络具有的自学习能力和对任意非线性函数逼近的特性，提出了基于BP神经网络的时间配准算法，实现了高精度的配准；通过仿真验证了算法的有效性并给出了配准精度对比结果，分析了两种算法的优缺点。3.讨论了数据合理性检验的方法。 最后一章对融合算法的研究，在研究讨论了卡尔曼状态估计理论和目标运动数学模型的基础上，针对异质互补性探测器雷达和红外对目标探测时测量维数的不一致性，提出了基于部分反馈的雷达和红外数据融合算法；后又结合BP神经网络，提出了基于BP神经网络的雷达和红外数据融合算法，以实现高精度的融合结果，更好的满足雷达和红外数据处理精度的实际需要。最后，进行了仿真实验，仿真表明基于部分反馈融合算法和基于BP神经网络的雷达和红外数据融合算法对单目标探测具有很好的精度。