传感器技术和分布式计算方法的迅猛发展以及人们对系统控制便利性要求的逐步提高,都极大的推动了多传感器技术在不同系统中的应用。与单传感器系统相比,通过融合一系列传感器(通常为不同类型的传感器)的数据,多传感器系统可以得到更加全面的信息。通常,单传感器系统所获得的信息具有不完全性,且对数据获取方案具有较大的依赖性,所以这些基于固定算法的单传感器系统在模糊识别、误差分辨以及不确定环境条件下的错误探测等方面都有极大的欠缺。而多传感器系统通过数据融合技术,可以极大的消除单传感器方案的不利因素。因此,多传感器系统可以提供更好的可信度、可靠性以及分辨率。本文首先总结了机动目标跟踪数据融合算法的发展历史、研究现状以及未来的发展方向。随后介绍了跟踪融合系统中的一些基础算法和常用的融合算法,并在此基础上,通过结合不同算法和模型,提出了一种基于自适应模糊神经网络的多传感器数据融合算法(ANF-MDFA)。通常在目标跟踪系统中,加速度与测量噪声是影响跟踪精度的两大主要因素,该算法通过神经网络、自适应模糊神经推理系统(ANFIS)以及卡尔曼滤波器的结合,可以自适应的调整以上两个跟踪参数,并融合不同传感器的数据获得更加精确的结果。仿真结果表明,该算法可以通过调整跟踪参数有效的防止目标丢失。