生物氧化法提金的过程是利用细菌氧化难处理的高硫高砷金矿石,分解黄金表面的包裹物以达到提金的目的。因此,在实际提金工艺的生产过程中,最大限度地保证细菌的活性将直接影响提金的效率,其中将氧化槽中的矿浆温度保持在最佳菌种繁育温度就显得尤为重要。首先考虑的是如何合理有效地监测氧化槽内部温度状态,并且达到较优的全局监测效果。完成这项研究课题对后续建立氧化槽温控决策系统以保证金矿产能具有重要意义。但是,金矿一般地处高海拔偏远山区,且北方地区通常冬季昼夜温差大,再加上风卷雪的影响,使得氧化槽内部处于一种交变状态的温度场。多数生物氧化提金工厂依旧沿用存在一定局限性和操作缺陷的传统测温手段,预处理工艺涉及的氧化槽一般体积庞大,人工手持传感器或者定点设置的传感器在不考虑极端外界环境影响的条件下仅仅能够对小范围内矿浆温度进行测量,所以传统的测温手段不能完全反映氧化槽内部温度变化的真实状态。传感器数据融合技术作为一种多领域的应用方法,可以有效解决槽内矿浆温度测量问题。因此,针对新疆某高海拔严寒地区的生物氧化提金工厂氧化槽温度状态监测存在的问题,本文提出了一种以传感器数据融合技术为支撑的温度监测方案。首先,分析了氧化槽内部的传热原理,根据各个氧化槽的空间位置和极端环境干扰因素,设计了簇式分层多连接传感器网络融合框架。网络结构分为三层,底层传感器采集矿浆温度数据,在氧化槽内壁呈螺旋状分布。每个簇首节点传感器作为中间层完成局部测量融合估计。将融合中心作为上层,实现全局状态融合估计。其次,在底层温度传感器的数据处理环节,对传统的无迹卡尔曼滤波（UKF）算法进行了改进,加入了衰落记忆矩阵,提高了对非线性建模误差的辨识能力。并且将序贯观测融合估计器（SOFE）算法嵌入到量测更新中,以提高局部量测融合的性能。最后,在全局状态融合估计中,将序贯分析与逆协方差交集相结合,提出了序贯分析与逆协方差交集-全局状态融合估计（SICI-GSFE）算法。通过计算仿真,结果表明可以减少外界干扰,有效融合所有温度状态估计,提高了全局温度状态估计的精度。