在分布式多传感器网络中,特别是在分布式无线传输网络中,由于诸多限制条件,如通讯带宽和功率,传感器数据一般必须经过预处理或压缩才能传往融合中心,即只能量化为有限的几个0-1码(bit)再传送,在通讯量十分有限的情况下完成多传感器估计和决策融合。而如何实现最优压缩或量化是分布式多传感器网络估计和决策融合问题中一个在理论和应用中的热点和难点。本文针对这一问题,首先分析分布式多传感器决策融合和估计融合的关系,利用一种全新的思维:将待估参数所在区间划分成若干子区间,每一子区间形成一个假设,利用估计的性能评价选定假设之间合适的损失系数,在估计融合和决策融合之间建立了对应关系,从而将估计融合问题化为决策融合问题。充分利用每一个传感器噪声的已知分布信息,运用成熟的决策融合方法,对于现在研究还不成熟的估计融合传感器量化问题设计了一个解决方案,将决策融合的决策结果作为最终的估计结果。从而在观测被量化的条件下达到较优的估计效果。计算机仿真显示该方法是可行的。本文对一些进一步的技术进行了探讨,包括如何划分区间,如何选取损失函数和融合律等,以使系统性能得到提高。此外,国际上近几年刚刚兴起了研究热点――无线传感器网络中在信道衰减下的决策融合问题,本文也对此作了研究。本文分析了已有传感器决策融合问题算法的结构,在已知信道传输错误概率的条件下,将原来信道无传输错误的分析方法推广到信道衰减的情况,对传输错误和融合律的关系进行了深入分析。对给定融合律的网络决策融合问题,获得最优容错的传感器观测量化器的必要条件并设计了迭代算法。在没有增加问题的计算复杂度的情况下,得到了最优观测量化器。与国际上现有结果不同,这些新结果不要求传感器观测或决策条件独立,也不要求各传感器与融合中心之间的信道相互独立。文章还用前面介绍的方法将衰减信道情形下的估计融合传感器观测量化问题化为决策融合问题解决了。在文章的最后用计算机模拟的例子对本文的分析进行了验证。