目前,多传感器数据融合技术愈来愈广泛的应用于民用领域和军事领域。数据融合不仅仅是多传感器数据的简单叠加,它需要在数据关联之前完成对时间和空间的配准,而配准结果的优劣在很大程度上决定了融合结果的优劣。因此,多传感器的时空配准是数据融合的前提,更是提高多传感器数据融合系统性能的关键技术之一。本文对多传感器时空配准的相关算法进行了系统的研究,取得了一些结论,并提出了有效地方法。首先,针对时间配准中各个传感器采样频率和起始采样时刻不一致的问题,在对常用的时间配准算法进行仿真分析的基础上,设计统一的方案,从时间复杂度和配准精度两个方面系统的分析了各个算法性能的优劣,得出了一些有益的结论,可有效的指导实际工程中时间配准算法的选择。其次,在实际项目中发现量测噪声对时间配准的精度有较大的影响,在应用卡尔曼滤波技术和拉格朗日插值法的基础之上,给出了一种改进的时间配准方法,相应的仿真结果表明,该算法能够有效的提高时间配准的精度。最后,针对空间配准问题,从基于合作目标和基于非合作目标两个方面对常用的空间配准算法进行了研究,并给出了相关的仿真分析结果。为了解决二维空间配准方法无法获得俯仰角系统误差和不适合估计远距离目标等问题,基于地心地固坐标系推导提出了一种新的三维空间配准方法,即ECEF-Kalman方法,仿真结果表明了该算法的有效性。