无源定位以其被动接收隐蔽性好的优点,得到了广泛的关注与重视,但面临着定位精度偏低,复杂背景下工作状态不够稳定等问题。多传感器数据融合技术为提高无源定位精度提供了一条有效的途径,同时可以结合智能信息处理技术进而改善多无源定位系统的性能。本论文以多传感器数据融合技术为依托,重点研究无源定位系统数据融合的三个方面问题:基于无源定位系统的信息观测特性的数据融合方法,无源定位系统非均匀数据同步化算法以及基于神经网络-模糊推理理论的复杂环境下多无源定位系统融合算法。首先,通过无源定位系统观测特性的分析,提出了辐射源参数信息和位置信息相结合的多维信息航迹关联算法,提高了数据关联正确性。同时根据无源定位系统观测误差的分布特性,提出了以为权因子的加权航迹融合算法,该融合算法计算量小,效果显著。为适应复杂环境的航迹融合问题,在加权航迹融合算法基础上提出多模型航迹融合算法,并用仿真数据和实测数据,验证了该算法的有效性。CEP其次,针对无源定位系统非均匀采样数据的特殊问题提出了无源定位系统非均匀数据同步化算法,即滑动窗自适应系统周期计算和快速内插算法。系统周期由各站点的周期按其观测精度加权来确定,并设计指标函数来评估系统周期的偏差,超过给定的阈值时重新调整周期,能够及时跟踪各单站的数据间隔变化。阈值和滑动窗的大小决定了算法的灵敏度和稳健性。最后,为解决复杂环境下的无源定位系统数据融合问题,在自适应神经模糊推理系统(ANFIS)模型的基础上,改进其学习算法,构造了鲁棒自适应神经模糊推理系统(RANFIS)置信度估计器,并以此为核心提出了鲁棒自适应神经网络-模糊推理推理融合(RANN-FRIFS)算法。此算法包括RANFIS置信度估计器、加权融合权值知识库和加权融合三个部分。其中RANFIS置信度估计器将各个定位系统精度和状态参数综合转化为置信度,以适应复杂环境中传感器工作状态不平稳的情况。加权融合权值知识库体现了多模型融合的思想,能够实现各个模型之间的渐变。仿真了几种复杂环境中的不正常工作状态,并和传统加权算法进行了对比。仿真结果表明该算法鲁棒性好,融合精度高。