本文主要研究了以加权的方式进行多传感器数据融合的方法，即研究如何对每个传感器进行加权，从而得到对被测参数最优估计的方法。 　　本文研究了基于奇异值分解的数据融合算法，通过对传感器测量值构成的矩阵进行奇异值分解，利用每个传感器测量值所对应的奇异值，可以估计出对每个传感器权值的最优估计，从而在不要任何先验知识的条件下，可仅由多传感器的测量值，利用提出的算法得到在最小均方误差意义下的被测参数的最优估计。 本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法，仿真和实验结果都说明提出算法是有效的。最后，研究了非线性动态系统的状态融合问题，研究了加权无气味卡尔曼滤波(UKF)方法，研究表明无气味卡尔曼滤波能克服了扩展卡尔曼滤波(EKF)在状态融合估计中的不足，可以得到了更准确的状态融合估计结果。