随着汽车时代的到来，人们的生活变得更加舒适便捷，汽车已经成为了人们的生活必需品。但是由于汽车数量的增加、道路情况的日益复杂以及雾霾等环境问题的日益严重，交通事故的发生日益频繁，严重威胁了人民的生命财产安全，汽车安全已经成为亟待解决的重大问题。而随着智能交通系统和智能车辆的快速发展，车辆碰撞检测及报警系统的研究也逐渐引起一些科研机构的关注。这一系统主要用于检测事故是否发生及确认事故后进行紧急报警工作，该系统的使用可以显著降低伤员的救援等待时间，极大地减少人员伤亡和财产损失。因此，在本文中我们研究并设计了一套车辆碰撞检测报警系统来减少事故伤亡。　　本文首先设计了用于处理车辆传感器信息的模糊自适应多传感器数据融合算法。在现有的多传感器数据融合算法中，只有联合卡尔曼滤波常用于车辆碰撞检测场景中。但联合卡尔曼滤波的使用前提是假设测量噪声为高斯白噪声，而车辆运行环境的多变性又导致测量噪声的复杂多变。因此我们以自适应调节测量噪声为主要研究目标，并通过反馈系数的形式实现上述的自适应调节。反馈系数可以通过模糊推理系统来获取，同时考虑到坏点的存在及事故处理的需要，我们设计了结合联合卡尔曼滤波、模糊推理系统、坏点处理及事故判断模块的新型多传感器数据融合算法。通过Matlab仿真结果可以看出，我们设计的算法以较小的时延代价很好地提高了精确度，并且时延问题也可以通过增加算法重置机制加以改善，因此我们设计的新型算法有良好的性能。　　本文还设计了新型的车辆碰撞检测报警系统，该系统使用了我们上述设计的新算法。本系统包含基于Android编程的手机端和基于C语言编程的OBCU端。其中手机端和OBCU端分别包含不同的信息模块和交互模块，两端同时进行数据处理和事故检测，若二者在一定时延内均检测到事故，则认为发生了事故并和用户交互，判断是否需要报警处理。通过在实验室的模拟场景中测试，我们发现，这一系统可以准确判断出现碰撞事故的场景，虽然可能会出现对非碰撞场景的小概率误判，但可以通过手机端提示用户进行非事故判断的操作。而且整个系统独立于车辆，造价也很低，因此本系统有很好的性价比。