本文在多源传感器信息融合与信息融合算法管理的背景下,针对算法整体调整无法提高融合效果的情况,研究基于融合算法基本结构建模,对融合算法进行更细粒度的分解,在算法参数级以及算法模块级上进行管理重构研究,完成基于融合效果反馈的融合算法细粒度自动重组、选择与优化的目的。尤其是在缺乏融合对象先验知识以及现有算法无法适用的情况下,通过融合算法细粒度重组、优化等手段可以对已有算法的特征模块进行重构或者替换,完成指向性的算法模块调整与当前融合算法的优化。本文在算法细粒度划分与管理的具体实现上通过滤波器模型的软硬决策管理以及设计算法的模型数量分为两个不同方向,来实现滤波器模型的管理。1)硬决策-单模型：在单模型的算法中通过研究估计算法的Ψ,参数与滤波过程中的新息等具体参数的关系,并使用已知的参数推导出敏感指标A(k+1),然后利用人(k+1)对融合结果的反馈来完成滤波器单个模型的重构与优化。2)软决策-多模型：在多模型的算法中,建立自适应模型组,并通过研究模型概率(敏感指标)对滤波器模型匹配性的准确描述,使用主从模型的方式来不断重构模型组,从而寻找最佳模型组,通过这样的方法实现模型组自适应的滤波器模型的模型组的重构与优化。