随着当前多传感器信息融合系统应用环境越来越复杂,应用范围越来越广泛,信息融合算法的研究己经成为了各国科学家研究的热点。本文首先对多传感器信息融合的发展和目前应用比较广泛的几种多传感器信息融合算法进行了分析和研究,总结这些方法各自存在的优缺点,以及他们的使用情况,尤其对于D-S证据理论和BP神经网络融合算法进行非常详细的研究与分析,再根据大量资料和书籍了解它们的改进方法,基于这些改进方法和改进后的效果深入研究。针对D-S证据理论在解决冲突问题时遇到的困难、以及BP网络融合方法的适应性弱,输出结果容易收敛于局部极小值而不能得到全局最优权值,BP神经网络各层的权值记忆能力差,网络对以前的权值和阈值没有记忆,所以当学习样本增加时需要重新训练,本文根据这两种算法的特点,提出了一种新的改进算法,即根据两种算法的融合结果的准确性,将两种算法分配权值,将加权和作为融合结果,从提高最终融合结果的正确率。本文针对汽车的防盗报警系统经常出现漏报、误报的情况,使用多个传感器对汽车的周围环境进行检查,在各传感器的信息进行融合时,使用本文所提出的融合算法设计出一种使用监测值与阈值的比值作为判断依据的模型。为了验证新算法的有效性,将本文提出的算法应用于试验中,用MATLAB软件进行计算,分析得到的结果是采用本文提出的算法进行信息融合,使汽车报警系统的准确性更高,而且传感器越多,不确定性越低,满足预测的要求。