随着对人类对多传感器系统信息智能化要求的不断提高，多传感器信息融合技术越来越受到人们的关注。单传感器获得的信息非常有限，它获得的是片面的、局部的环境特征信息，多传感器信息融合可以获得更全面、更准确的周围环境信息，弥补单一传感器获取信息的片面性及局部性。多传感器信息融合把多个传感器在时间或空间上的互补或冗余信息依据某一准则来进行组合，以获取被测对象的一致性描述或解释。通过信息组合而不是出现在输入信息中的个别元素，推导出更多的信息，提高系统信息智能化的程度。这是最佳协同作用的结果，也就是利用多个传感器联合或共同结合的优势，提高传感器系统的有效性，为系统提供智能化的决策信息。　　 多传感器信息融合技术从多信息的视角研究信息处理，充分利用计算机的高速运算和多源信息的互补性来提高信息的质量，为多传感器的综合利用提供了有效的技术手段，对智能信息处理的研究提供了新方向。目前，多传感器信息融合系统已被广泛应用于身份识别、智能机器人、刑事侦查、工业监控、遥感技术等领域，对多传感器信息融合技术及其应用进行研究，能有效地提高多传感器系统信息智能化程度，减轻人工处理信息的工作量，提高人类劳动生产率。　　 本文结合国内外研究现状，主要进行了如下研究:　　 1.改进的加权信息融合算法　　 针对加权平均、最优加权、自适应加权多传感器信息融合算法的不足，提出了采用刀切法与自适应加权方法相结合的信息融合算法。该算法在自适应加权的基础上充分利用了观测值与各个历史时刻的估计值，通过构造伪值对估计值进行了Quenouille估计。在经过刀切法与自适应加权相结合后，数据处理的精确性和稳健性方面都优于普通的处理方法。　　 2.基于灰色理论的多传感器信息融合　　 研究了基于灰色理论的多传感器信息融合。针对传感器的信息可能存在的冲突使得灰色的测度变大的情况，引入了可靠性权重、灰度测度调整权重及孤点。将灰色融合算法用于全自主机器人足球系统中的地图构建，应用灰数概念表示超声波传感器的不确定性信息，建立单个机器人的子栅格地图，通过多机器人之间实时的协作，将多个子栅格地图进行灰色融合获得全局栅格地图。　　 论文最后对全文进行了总结，说明了主要的研究成果，同时指出了存在的不足和有待进一步研究的问题。