多源信息融合是对来自多个信息源的信息进行多级别、多方面、多层次的处理,产生新的有意义信息的方法。本文以运载火箭飞行测量数据为研究对象,采用多源信息融合的处理方法,实现了信息的互补,得到了更加精确的火箭飞行测量数据。论文研究了多源信息融合的基本原理、功能模型和结构模型。详尽论述了多源信息融合的研究现状,分析了其现阶段存在的问题和今后的发展方向。结合火箭飞行测量数据的特点和对测量数据处理的方式,研究了火箭飞行测量数据处理的内容和所面临的问题。针对由于测量设备、地理位置不同等因素造成的采样间隔、观测坐标系不同的问题,文中研究了时间对准、空间对准的算法,将观测数据对准到统一的融合时间及融合中心坐标系下。对于测量数据常带有误差偏大的异常值的情况,采用基于弹道参数的数据检择算法,实现了对长时间有相关特性的成片野值的剔除。研究了单测站测量的火箭飞行测量数据的状态估计算法。对于非线性跟踪系统,文中主要研究了扩展卡尔曼滤波,针对扩展卡尔曼滤波在系统模型不准确时容易发散的问题,采用带渐消因子的改进扩展卡尔曼滤波算法。引入的渐消因子限制了卡尔曼滤波中处理数据的长度,采用一步近似算法对次优渐消因子进行计算。改进后的滤波算法对突变状态有较强的跟踪能力,具有适中的计算复杂性,较好地抑制了滤波的发散。研究了数据融合中的结构模型以及融合中心的融合算法,在一般分布式融合结构模型的基础上,提出了动态分布式多级融合模型,该结构模型减少了融合系统中的不确定性,精简了融合结构。深入研究了融合中心的融合算法,针对按矩阵加权融合计算量较大、按标量加权融合精度较低的问题,文中采用了计算量和精度介于上述两者之间的按对角阵加权融合算法。该算法减少了在线计算负担,有较高的精度,便于实时应用。最后,对全文的研究工作进行了总结,并指出了今后工作中进一步研究的方向。