多传感器数据融合技术是国家重点研究项目,已列为未来十大新兴技术之首,举足轻重,目前已经发展应用到诸多领域,如医疗、工业、农业等。多传感器数据融合技术是通过综合来自不同传感器的量测信息,进行数据预处理、数据关联、数据决策和数据融合等,做出正确的判断与决策的过程。本文围绕融合技术中的关键问题展开研究,论文的主要研究内容包括数据预处理中冗余数据的剔除、数据关联、数据融合等。首先介绍了无线传感器的理论基础和应用方法,从数据融合的基本模型,融合的基本级别,以及融合的数学理论基础等方面进行了阐述。其次,在特定的网络结构中,数据处理过程往往存在数据量过大、环境噪声干扰、节点本身的零点漂移等现象造成传感器测量结果失效,从而导致融合结果出现偏差,针对这一问题本文设计了以下两种算法:(1)在研究同质的多传感器数据融合方法中,由于现有的融合算法仅根据经验值来设定融合阈值,造成融合结果精确度不高且容易产生误判,针对这一问题,本文设计了一种用于同质多传感器的数据融合方法。通过定义空间关联系数得到连续采样周期内节点的相关程度,引入社区计算中节点间兴趣度来求取融合算法中节点间信任度值以及一致整合度值,最后重新给节点分配权重系数,得到最终融合表达式,通过仿真验证了算法的可靠性。(2)在研究异质的多传感器数据融合方法中,首先,加入相对梯度预处理步骤,引入导函数极值及中值滤波的方法,通过曲线拟合剔除错误数据和冗余数据,得到该一阶段的最佳值;其次,定义了相容度和冲突因子等,通过分析证据的一致性和确定焦元重要性对D-S证据理论方法进行改进,从全局的角度出发,综合考虑证据间的关联信息,对目标信息进行综合判断,得到最终的融合结果。仿真结果表明,该算法能更有效地处理两两互不相容的证据,融合精度更高。