多传感器信息融合技术是利用多个传感器探测目标来获取多方面的信息,从而得到比单一传感器更准确的目标状态估计。由于现代战争的迫切需求,以及信息融合系统日益增强的复杂性,对传感器管理方法提出了更高的要求,传感器管理作为数据融合的一个重要组成部分,越来越受到重视。传感器管理是信息融合技术的重要研究方向,以往的传感器管理算法主要是针对线性系统,现实中非线性系统更为普遍,而针对非线性系统的传感器管理算法研究较少。本文结合非线性理论,对传感器管理的有关理论和方法进行了系统研究。主要工作如下:1.阐述了信息融合的概念,从传感器管理和信息融合的关系出发,介绍了数据融合闭环系统的构成、功能以及各模块的功能,给出了传感器管理问题提出的必要性,分析了传感器管理的研究现状;着重研究了传感器管理理论,其中包括概念、管理范围、功能、任务及算法。2.介绍了一些常用的估计理论算法,如卡尔曼滤波器、扩展卡尔曼滤波器、Unscented卡尔曼滤波和粒子滤波,并分析了这些算法的适用范围和优缺点。3.针对非线性系统中传感器资源的分配问题,提出了一种以Unscented粒子滤波(UPF)为滤波器,利用信息熵获得信息增量,根据信息增量来管理传感器资源的算法。4.针对机动目标的模型多为非线性的情况,提出了把交互式算法与Unscented卡尔曼滤波相结合的交互式Unscented卡尔曼滤波算法(IMM-UKF),利用分辨力获得信息增量,根据信息增量对传感器进行管理。