多传感器信息融合技术是一个崭新的交叉学科,其产生源于现代战争对多元信息处理的需求,是当今各类信息、数据来源方式多样化的重要处理方式,通过综合各类信息以取得最佳的推理与决策,成为当今科学研究的热点课题。得益于多传感器跟踪系统鲁棒性好,可视范围广,量测信息互补性强等优势,将多传感器信息融合与多目标跟踪结合的研究得到了广泛的关注。在分布式多传感器系统中,存在的关键问题之一是解决数据间的关联问题,这也是多传感器信息融合应用于多目标跟踪的前提。首先综述了信息融合的基本原理、功能框架,对现有的数据关联算法进行了总结,介绍了采用基于多特征融合的最大关联测度的目标关联方法,并针对雷达、红外传感器对中段目标的观测数据进行了分析,提出了可行的算法思想。针对分布式异类传感器间多目标关联的问题,提出了利用多特征融合的目标关联方法,通过分析传感器间观测上可以提取的共有特征,将各特征融合成关联测度,形成关联判决依据,并在关联决策上采用基于有效特征数累积的全局最优关联算法,对直接的关联依据决策判决进行修正,使决策对特征数融合的情况进行一定的反应,从而提高最终关联判决的可靠性。仿真结果表明,在相应的目标和观测场景下,本文的算法思想能有效的进行异类传感器间的目标关联,为进行多目标跟踪中的时序数据关联提供一定的基础。针对多传感器多目标跟踪的任务,对异类传感器观测目标在时序上的数据关联问题,进行了关联算法的研究。在卡尔曼滤波的方法中,对目标的预测及状态估计都需要依据时序上目标的历史数据,从而修正跟踪中目标的状态,减小跟踪的误差。在分布式异类传感器目标跟踪系统中,既存在着异类传感器目标的关联,又需要进行各自观测目标的时序数据关联。本文进一步对提出的多特征融合目标关联算法作出改进和调整,加入目标的拓扑结构信息,同时根据时序目标的运动情况,调整利用空间位置信息融入判决时对应的误差模型,进行时序目标的多特征融合方法的数据关联,并对时序数据关联的结果进行轨迹的连合及目标数据跟踪的性能作出一定的分析。仿真结果表明,本文研究的多特征融合目标关联算法在异类传感器间的目标关联应用及多目标的时序数据关联上能达到预期的实现效果。