多传感器信息融合是当前科学研究的一个重要课题,其中目标跟踪融合结构及算法的研究更是当前研究的热点问题。本文利用舆论动力学的思想,对目标位置的融合结构以及融合算法两个方面进行了研究分析。首先,对现有几种融合结构(集中式、分布式、混合式等)进行了详细介绍,并分析了这几种结构的优、缺点。随着传感器信息处理功能的日益强大,本文将传感器内部的处理器分为数据处理器与融合处理器两部分,分别完成目标位置信息的产生与融合。基于信息网络化的思想,传感器的数据处理器先将获得的目标信息发送到其融合处理器,融合处理器再发送本地目标信息给其“收信”邻居,同时对来自“送信”邻居的信息进行关联和融合,再将融合后的目标信息发送给其“收信”邻居,如此循坏,进而形成了一种多地并行融合、去融合中心的分布式融合结构。其次,将舆论动力学中加权平均的思想应用到目标位置的融合更新中,设计了融合处理器中的融合函数。基于去中心化的分布式融合结构及加权平均的融合函数,建立了一种用于目标位置融合的离散时间融合算法。并证明当传感器网络含有一棵有向生成树时,融合算法可以在短时间内收敛,且收敛到根传感器的探测初值。当传感器网络为强连通时,传感器间可达到一致融合,融合结果为所有传感器探测信息的加权平均。随后,将随机误差引入到探测初值中,假设探测初值满足以目标真实位置为均值,传感器探测精度为方差的正态分布。根据相关统计知识,对融合算法的融合精度进行理论分析,推导得出了融合精度的具体数学表达。通过对融合精度的数学表达式进行研究分析,发现融合精度最低不低于网络中传感器的最低探测精度。结合柯西——施瓦兹不等式,得到了融合精度达到最高的充分条件,并从理论上证明了融合算法的最高精度不低于任意传感器的探测精度。此外,还提出了如何在已有的传感器网络基础上,通过添加最少的边,建立强连通网络的算法,以及如何设计网络的权重矩阵,使得新的传感器网络在运行离散时间融合算法时达到最高融合精度。最后,分别对三种不同网络情形下的目标位置融合进行了实验仿真,验证了融合算法的收敛条件。在传感器网络中加入“盲”传感器,再次对前三种网络情形下的信息融合进行仿真,说明了即使存在“盲”传感器,离散时间融合算法仍然可以达到一致。并通过举例说明了如何在已有的传感器网络的基础,通过添加最少边,设计相应的权重矩阵,使得融合算法达到最高精度。