随着机器人技术的飞速发展,智能机器被广泛使用于特种救援、家居服务、空天探测和国防安全等国民经济的各个领域。由于智能机器大多工作在复杂危险的环境中,为了保障自身安全并顺利完成任务,对工作环境的准确感知就显得十分重要。但目前,现有环境感知方法大多是基于多源传感器数据的处理和融合而实现感知的,而对基于声图像信号的感知方法研究较少。为了提高机器对环境目标和事件进行感知的智能化水平,需要模仿人类觉察和感知特性来展开理论和方法研究。本文主要从听觉信息觉察、视觉信息觉察和异质信息仿生融合三个方面,针对基于显著性原理的异质信息仿生觉察方法和基于仿生知觉处理的异质信息融合方法进行了深入研究,取得的主要成果有:在听觉人工觉察方面,根据环境声音时频特点提出了一种基于异质显著性特征融合的听觉显著性检测模型。首先,通过提出一种基于短时香农熵的全局信息显著性估计方法来估计环境声音的背景信息。其次,通过提出一种基于人耳返回抑制效应的仿生计算化模型来模仿人耳的觉察特性,通过对声音时域显著性的校验来实现对混叠和多重显著信号的有效检测。最后,针对环境声音的非结构化特性,提出了一种基于频谱能量模糊分布的声音频域特征生成方法,并基于此提出了一种基于时频域特征结合的两层分类方法,从而获得关于显著环境声音的高层觉察知识。在视觉人工觉察方面,在采用由背景图像训练得到的过完备字典基础上,研究并提出了一种基于稀疏重构误差的物体性表示方法。同时,针对前景物体和背景在感知信息上的差异,提出了一种基于信息显著性的前景目标检测方法,从而实现对前景物体的仿生感知。随后,模仿人类视觉觉察特点提出了一种基于视觉显著性和信息显著性的仿生融合觉察方法,进而获取视觉的觉察知识。在异质信息融合方面,根据视听觉异质信息的知觉相关性和在觉察上的几率特性,提出了一种面向环境目标和环境场景的信息几率模型。同时,利用结构化显著性概念提出了信息几率的负属性来表示异常的环境物体和觉察信息。随后,研究并设计了一种基于异质信息的融合感知方法,从而针对不同环境能够完成多种感知任务。通过利用真实环境中采集到的视听觉数据进行仿真验证,结果表明采用本文方法可以实现对视听觉异质显著信息的仿生觉察,并能够利用觉察信息完成不同的环境感知任务。