本文就多传感器分布式区间估计融合方面进行了较为深入的研究，取得的主要成果为： （1）已知n个传感器的区间估计{I1，I2，…，In}，其置信度{α1，α2，…αn}，并假设这n个区间估计是互相独立的条件下，基于“合成规则”和两种输出的优化准则获得最优区间估计融合。再者，增加信息{I1，I2，…，In}中至多或者至少有f个区间估计是错误的条件，推广上述结果获得了“条件合成规则”和最优容错区间估计融合，而且Marzullo容错区间估计融合是该方法的特例。 （2）已知n个传感器的区间估计{I1，I2，…，In}和其中至多有f个区间估计是错误的，但是没有{I1，I2，…，In}的置信度的信息的情况下，基于信任函数理论和先验信息“每个传感器做区间估计的方法的正确概率要大于犯错误概率”，以及三种输出的优化准则，获得最优区间估计融合，其输出结果有相应的信任度。这个方法能够合理的缩短Marzullo方法的输出结果，而且其输出结果比Prasad,lyengar,Kashyap和Maclan四人提出的方法的输出结果更为可靠。Marzullo方法也是该方法的特例。 （3）举例说明Marzullo数不满足李普希兹条件和局部李普希兹条件。