目前传感器网络存在感知能力较弱、感知方式单一、感知信息不全面等问题。为了提升感知节点的信息感知能力,改变目前的信息孤岛状况,现将多种检测器并行检测,融合处理感知数据。一方面,将这些传感器组合在一起,可以相互弥补各种传感器在获取信息时的不足,提高检测的环境适应性。另一方面,不同传感器的数据具有不同的特点,融合来自不同传感器的数据,提高检测的准确率、效率和覆盖面。本文主要将多传感器数据融合应用在车型识别上,数据来源于线圈、视频和地磁三种检测器,为了保证这些数据和特征的时空同步性,本文采取软硬件相结合的方法,硬件上合理布设传感器设备方案保证多源数据的空间同步性,软件上实时以时间为依据达到时间上的同步。分别根据各检测器数据的特点,对其原始数据进行预处理并提取相应的特征。本文提出了一种IPSO-MSK-RVM方法将三种特征融合判别车辆类别。该方法采用基于多核的相关向量机(RVM)识别车型,并运用粒子群算法(PSO)优化多核参数。首先,RVM本质上是一个二分类器,为了识别多种车型,本文选择应用最为广泛的“一对一”方法。针对这种方法存在二分类器数较多,计算量较大的缺陷,本文提出了一种改进的基于相关向量机的“一对一”方法,提高分类速度的同时保证了分类的精度。其次,RVM的关键在于核函数,而本文三种传感器数据是异构的,仅仅采用单核并不能使分类合理,多核模型的提出可以有效改善不足,但多核参数的确定一般凭借经验或实验得出,并没有相关理论的支持,因而本文提出了一种改进的粒子群算法获取全局最佳参数,大大提高了车型分类的精度。最后,为了将上述方法付诸实践,本文研究多传感器并行检测、软件实时数据融合的感知节点系统并开发出相应的车型识别系统。实验证明,IPSO-MSK-RVM算法对车型识别的效果较为理想,有很好的实用性。