多平台多传感器多源信息融合在国防领域有着非常广泛的用途。但在多平台信息融合中，除了存在单平台融合中所遇到的问题以外，还存在多平台信息融合所遇到的特有的问题：(1)时空配准，(2)计算组合爆炸现象，(3)通讯阻塞和饱和现象，(4)多平台多传感器多源数据融合系统的性能评估。本文系统论述了多平台多传感器多源信息融合系统时空配准和性能评估方法两个方面的问题。本论文对于上述两个方面的问题提供了一些新的有效方法，主要贡献为： 1．系统综述了多平台多传感器多源信息融合研究的背景、意义、发展现状，指出了存在的问题，确立了多平台多传感器多源信息融合系统传感器时空配准和多平台多传感器多源信息融合系统的性能评估方法的研究思路。 2．针对单平台和多平台传感器空间布局的不同特点，提出了多平台多传感器信息融合系统传感器时空配准的平台级配准和系统级配准概念，使得我们在处理不同问题时采用不同的配准方法，更有利于问题的解决。 3．根据平台内传感器空间布局特点给出平台级传感器的配准模型，并对配准模型进行一阶近似，最后通过Kalman滤波算法求出系统偏差的估计。仿真结果表明：这种方法对解决近距离传感器配准问题，即平台级的多传感器配准问题可以获得较为满意的效果。 4．提出了两种系统级配准方法。三维精确极大似然法(EML)考虑了量测噪声的影响，配准估计是通过求最大似然函数获得的；仿真结果表明：配准误差具有很好的稳定性和一致性。基于地心坐标系的传感器极大似然配准算法考虑到了地球曲率的影响，克服了立体投影法的缺陷；采用这种算法，我们可以把不同传感器局域坐标系的量测转化到地心坐标系中，变成统一的量测，便于融合中心做进一步的处理；仿真结果表明这种算法可以得到较为满意的角度偏差。 5．提出了基于随机神经网络的传感器配准方法。在随机模糊神经网络配准系统中网络被教会修正从一个传感器来的量测，以便可以跟踪从另一个传感器(参考传感器)来的量测。这种解决方案的主要优点是同样的网络可以通过训练处理不同类型的系统误差。给出的仿真结果，说明这种方法适用于各种误差类型，缺点是所需时间较长，一旦偏差条件发生变化还必须重新学习。 6．提出了基于最大熵推理机的多平台多传感器时间配准的一种多速率估计算法。采用该算法的优点是可以采用不同的低速率传感器获得较高速率的信号估计。所以这种方法间接降低了传感器间的传输速率。仿真结果表明这种方法可以得到较为满意的时间配准效果。 7．系统研究了多平台多传感器多源信息融合系统的复杂性问题。多传感器数据融合的特征复杂性性能评估可以揭示所选择的数据融合方案是否受到特定的目标环境、传感器组和计算平台的约束。这种性能的评估可以确定数据融合系统工作在最优、近似最优和性能下降的条件范围，并且可为彼此竞争的数据融合方案提供合理的选择依据。多传感器数据融合的通讯复杂性问题关心的是系统内部之间的数据通讯量的大小。本文把复杂性秩理论应用到多传感器融合，以获得多传感器之间数据融合所需的最小的通讯条件。使我们可以根据这些条件对原始的传感器数据进行压缩，以降低数据的传输数量。 8.提出了作战信息融合系统这一概念，分析了影响作战融合系统效能的各种要素及基本分析方法，并描述作战信息融合系统效能分析的简要过程，提出了效能结构图的概念，为今后的进一步的工程研究打下了良好基础。 9.把用于信息系统理论的结构嫡理论和有序度概念引入多传感器信息融合系统中，研究了信息融合系统的组织结构的有序度问题。通过对实例的计算分析得到了和其它分析方法相一致的结论。 在所给出的各种配准算法中，平台级传感器配准模型只适用于平台内部的多传感器配准;三维精确极大似然配准算法和基于地心坐标系的传感器极大似然配准算法适用于不同平台之间的传感器配准，而后者更适用于相距遥远平台之间的空间配准;基于随机神经网络的传感器配准方法的优点是同样的网络可以通过训练处理不同类型的系统误差，但其实用性还需要进一步的研究;基于最大嫡推理机的多平台多传感器时间配准算法的优点是可以利用不同的低速率传感器获得较高速率的信号估计。