数据融合是通过综合多信息源的数据，可以比从任何单个信息源所提供的数据中获得更加精确和更加确定的推理。它是许多传统学科和新兴的工程领域相结合而产生的一项新技术，是现代C~3I系统中的重要组成部分。其功能模型中包括低层次上的信号检测，位置估计和身份估计，以及高层次上的态势估计和威胁估计。本文主要讨论基于模糊信息处理技术解决多传感器信号检测，位置估计和身份估计等数据融合问题。全文共分六章，各章的主要内容如下： 第一章为绪论，介绍了数据融合的基本概念，数据融合的理论基础，数据融合的发展概况；介绍了模糊信息处理技术及其在数据融合中的意义和作用；介绍了本文所取得的主要成果和内容安排。 第二章提出了一种由局部自适应模糊检测器和在线自学习融合算法所构成的分布式信号检测系统的设计方法。由模糊集对不精确信号参数的局部检测器进行建模，该模糊模型可自适应不精确信号参数的变化。融合中心以最佳融合规则作为目标函数在线自学习局部判决的权重。 第三章提出了一种基于多传感器多目标特征信息的模糊数据关联算法。研究了基于最陡下降法构造全模糊模型关联系统的自学习算法以及多特征信息数据融合对模糊关联系统性能的改善。 第四章基于估计理论和模糊系统理论，提出了一种多传感器多回波模糊—概率交互作用的数据关联滤波算法，以解决密集杂波干扰环境中多传感器跟踪机动目标的数据关联问题。模糊关联度和关联概率共同组成了各有效回波的加权系数，弥补了概率数据关联滤波方法（PDAF）的不足。 第五章提出了几种在杂波环境中，应用模糊Hough变换检测多目标航迹的算法。模糊Hough变换通过引入模糊隶属度函数量化参数空间或特征空间的特征点邻域中的其它特征点的影响，从而可以较好地解决由杂波干扰所带来的不确定性。 第六章给出了一种多源多层次自适应变权的图象融合的模糊算法。它提供了一种表达和处理不确定性信息的有效方法，并且充分利用了各信息源之间的冗余性和互补性，以及各信息源自身的可靠性信息。