随着信息科学技术的发展,从20世纪70年代开始,出现了一个全新的概念“信息融合”。它可解释为将多传感器获得的信息进行融合处理,所得结果比任何单一传感器获得更多有用的信息。多传感器信息融合在军事和民事上有着广泛的应用前景,是目前学术界研究的一个热点领域。本文研究多传感器信息融合之间相似度问题在目标识别中的方法及应用。研究相似度量问题的两种情况:一种是对不同类别多传感器观测同一目标或特征时,在未知任何先验知识情况下,通过研究观测信息之间的相似度,对比融合前后效果;另外一种是对同一类别多传感器观测不同目标或特征时,在已知先验知识情况下,通过研究观测信息之间的相似度,分析融合结果。论文研究结果如下:(1)总结目前国内外多传感器信息融合研究状态,研究信息融合的结构模型,归纳信息融合常用方法;(2)针对第一种情况,提出基于一致可靠测度融合算法。该算法从各传感器在各个时刻的观测值的一致可靠测度出发,设计融合算法,给出了不同时刻各传感器的一致可靠测度,算法精确性高;(3)针对第二种情况,研究了D-S证据和vague集理论,D-S证据理论在证据体之间发生冲突时,方法失效;vague集理论中不同相似度量方法,对融合结果产生较大影响;(4)针对D-S证据理论中证据体间发生冲突时,经典D-S证据方法失效。建立基于加权相似度的D-S证据(WSD-S: Weighted Similarity Dempster Shafer)理论方法,该方法通过对权值的客观选取,提高了算法的融合精度,降低算法复杂度;(5)构造vague集相似度量的新模型,并给出了相应的证明。同时将构造的新模型用于航空电机故障识别中,在此沿用了模糊理论中的贴近度概念,通过待诊断故障同已知故障之间的贴近度大小,对待诊断故障进行正确的分类;(6)将WSD-S证据理论和BP及RBF神经网络相结合,建立两种不同的融合模型,并对汽轮机故障进行了有效的识别;(7)研究了用于人体健康状况实时监测的身体传感器网络,它不仅性能优良,而且使用上也很安全便利;同时将自适应加权算法用于监测身体体征参数,可有效的分析身体健康状态。