位置级信息融合技术广泛应用于军事、民用等诸多领域,其利用传感器采集到的位置信息,进行跟踪门限、数据关联、状态估计以及融合处理来得到最终的航迹。目前人们已提出了很多相关理论与技术,并以此为基础衍生出各类算法,用以完成融合过程中的各项功能。针对某一功能,有多个算法可供选择,但这些算法的特点和适用条件各有差异,如何根据不同环境下的数据源,选择最优的算法、参数组合,使得最终的融合性能达到最优是目前信息融合技术研究的前沿与热点。本文即是以此为背景,通过对位置级信息融合算法进行深入研究,将算法内部可以模块化的部分进行细粒度分解,这些模块的本质为算法内部某一独立计算过程,甚至可以是算法中某一步骤的抽象表现形式。文中主要研究工作即是围绕算法细粒度分析展开的,包括以下几个方面：(1)针对信息融合过程中最重要的数据关联算法和状态估计算法进行深入研究,分析算法的各个功能模块,寻找同一类算法之间的共性和差异,提取并抽象出共有功能并进行模块化处理。(2)在上述模块化细粒度分析基础上,构建了一种基于不确定度的数据关联敏感指标。该指标将状态向量及其误差协方差视为一种概率分布,在位置均方根误差基础上,引入不确定度的概念,完成了对状态估计无偏性和稳定性的综合评价。(3)将信息熵的概念引入到信息融合算法性能细粒度分析及参数优化中,采用信息覆盖图来描述算法的跟踪性能,并以此为指导,调整算法及参数来实现融合性能的优化。