多传感器信息融合是把多种传感器所提供的局部环境的不完整信息加以综合，形成对系统环境的相对一致的感知描述，是一个涉及到信息科学、计算机科学、自动化化科学的复合型学科，是一个正处于发展中的研究方向。 本文阐述了融合系统的各个组成部分，分析了目前存在的问题，指出了信息融合的发展方向，着重就融合系统的结构和算法进行了深入研究。总结出多传感器信息融合的三大模型——功能模型、结构模型和数学模型。提出了运用三大模型指导融合系统设计的思想，并给出了多传感器信息融合系统设计的一般方法。 融合系统的结构目前尚没有统一的分类标准，综合众多的参考文献，作者将信息融合系统结构划分为四种基本结构：集中式、分散式、无反馈分级结构和有反馈分级结构。一个融合系统既可以有集中式结构，也可以有分散式结构，可以是四种基本结构组成的混合结构。运用Kalman技术推导出了这四种融合结构下的具体融合算法，分析了各自的优缺点，一个融合系统应根据具体问题灵活选择融合结构。 研究了多传感器信息融合中的不确定信息融合问题，给出了评价融合方法优劣的标准，运用模糊积分理论解决FEI-DEO(特征输入—决策输出)和DEI-DEO(决策输入—决策输出)融合模式下的信息融合问题。给出了基于模糊积分理论的多传感器信息智能融合系统，并将其运用于工业机器人的非视觉传感器信息的融合，模糊积分方法提高了系统的不确定信息的处理能力和系统的智能度。 基于神经网络和证据理论，给出了一种多传感器信息的空间和时间两级数据融合结构模型。从M．Sageno模糊推理模型出发，结合模糊理论和和神经网络的优点，研究了FMLPNN和FBFNN两种模糊神经网络，将模糊推理机制蕴涵于神经网络结构之中。用训练好的模糊神经网融合多传感器信息，既能处理精确信息，也能处理不精确信息或模糊信息，而且克服了模糊融合时的模糊规则难以获得、隶属函数不易确定的问题。 探讨了利用Rough set理论进行多传感器信息融合的方法，通过对传感器测量的不完整、不确定性的数据进行分析，提取传感器信息的最快融合算法，可望解决传感器数据超载以及传感器不完整信息的融合问题，提高多传感器系统的融合速度。