近儿十年以来数据融合技术备受重视,其应用场景已经被拓展到居民生活的方方面面。在物联网监控系统中,多种异构传感器探测场景中不明物体的不同角度的特征信息,可以得到物体详细的描述信息。数据融合技术是有效合理地使用这些信息的关键。目前在理论与算法研究-上已取得了丰富的成果。原则上引入系统的传感器个数越多,对目标及环境的认识越充分。随着设备网络规模的增大,系统处理的数据量急剧增加,给以往单机的融合系统的性能带来极大的考验,改变以往的设计思路采用分布式地并行化手段操作是处理这个难题的根本方法。基于此背景,本文设计实现了基于Storm的多传感器数据融合系统。Storm是一种非常流行的分布式计算引擎,相比于Hadoop更适用于数据融合的场景。Storm设计了特定的一组原语,用于处理实时消息和数据以及对数据库的操作。Storm能够在计算机集群中方便快速地进行复杂的计算,保证能够及时地处理进入系统的每条消息。本文在分析和实现数据融合相关算法的基础上,将Storm流式计算引擎应用到多传感器数据融合系统中,在Storm的框架下实现并部署数据融合的各个模块。这种方式解决了集中式处理的性能瓶颈问题。在结构上本文首先介绍了课题的研究背景及其相关技术,阐述了数据融合的发展趋势和存在的问题,分析将Storm应用到融合系统中的可行性。然后使用流数据模型表示各种传感器的原始观测数据,并采用滑动窗口机制将数据流分隔,便于系统各模块的处理。接着在研究数据融合经典算法的基础上,提出时间配准、航迹关联、航迹融合的相关算法。然后在Storm框架下实现系统的各个模块。最后测试算法的有效性和系统的性能。