多源数据融合又称多传感器信息融合,是一种处理来源于多传感器数据的新技术,包括对多源数据进行检测、关联、组合、估计的过程,对提高状态与身份估计的精度具有重要意义,与单传感器相比,所得数据精确性与可靠性更高,该技术广泛应用于军事和民用领域。目前,多源数据融合技术研究还存在很多关键性问题。本文针对其中两方面的问题展开探讨与研究。一方面是数据关联问题:作为多源数据融合的关键问题之一,在多目标环境下,当前数据关联算法面临计算量大,跟踪实时性差等问题,降低算法的计算量对提高算法实时性以及工程应用都有一定实际意义。另一方面是数据融合问题:在检测数据过程中多传感器受到诸多因素的影响使得被融合的数据存在不确定性,该不确定性不仅包括测量中的不确定性和噪声,同时还源于实际环境中的模糊性和不一致性,研究如何提高融合结果的精确性与可靠性具有一定的价值。本文以数据关联与数据融合作为研究对象,主要研究内容包括以下方面:(1)介绍了多源数据融合理论、模型结构以及三种基本融合层次,总结归纳了多源数据融合技术面临的问题,并对现有多源数据关联与数据融合技术两方面进行阐述。(2)在数据关联理论基础上,重点对最近邻数据关联,概率数据关联,联合概率数据关联这三种算法进行比较分析,通过不同仿真分析验证各自的优缺点及适用范围。(3)针对JPDA在多目标下计算量大,跟踪实时性差导致在实际工程应用具有局限性的问题,综合考虑PDA与JPDA的不足之处,以一种对多个目标相交波门内的公共量测(回波)进行处理的快速数据关联算法作为基础算法,在该算法上进行改进,通过计算公共量测(回波)与各目标间的距离分属概率的思想在一定程度上解决JPDA在多目标下计算量大,跟踪实时性差的问题,使改进的PDA算法在多目标下得到应用,对实际的工程应用具有一定意义。(4)从提高数据融合结果精度的角度出发,针对先验知识未知的多传感器多次检测同一目标特征参数的情况,提出了一种新的基于集对分析联系度的多源数据融合方法。通过利用集对分析特征函数的优势,挖掘量测数据间对立度、同一度和差异度调整数据间的联系程度,形成联系度矩阵后并利用扩维来衡量各时刻传感器所得量测间的综合相近程度,然后参照在融合过程中已有的信噪比加权方法合理分配量测数据所占权重,实现多源数据的加权融合并通过仿真实验,验证算法有效性和可靠性。