多传感器数据融合在军事和民用方面有着广泛的应用，是目前科学技术领域中的一个研究热点。本文在多传感器分布式统计判决和多传感器分布式估计融合方面进行了较为深入的研究，主要取得的成果为： 在多传感器分布式统计判决理论方面，对在相关观测下，固定融合律的多传感器分布式二元Neyman-Pearson判决，给出了最优分站压缩律的不动点类的必要条件和相应的离散迭代算法，并讨论了算法的收敛性。最后，用计算机数值模拟数据，比较了在各种固定融合律下，分布式Neyman-Pearson判决的性能。 在多传感器分布式估计融合方面，我们考虑了对参数θ的多传感器区间估计融合。建立了一种最优区间估计融合模型——多传感器凸线性组合，并给出搜索最优权系数的Gauess-Seidel迭代算法，另外，给出了一种近似的区间估计融合——凸线性组合的最小方差融合，它能减少大量的计算量。最后用计算机数值模拟，比较了以上方法在融合后的区间估计和每个分站的区间估计之间的性能。