随着科学技术的发展,传感器的种类更加丰富,性能也逐步提升,但是仅仅使用单一传感器远不能对复杂系统形成全面完整的感知描述,因此需要多传感器数据融合技术对数据进行综合处理,获得更全面、精确、真实的结果。数据融合算法是多传感器数据融合技术的核心,将模糊理论和神经网络应用于多传感器数据融合成为近年来研究的热点,但是仍然存在一些问题。本文针对模糊理论与神经网络两种算法应用于数据融合系统中存在的一些问题进行了相关研究,主要内容分为以下三方面:（1）基于模糊理论的多传感器数据融合研究。本文对基于模糊支持度的同类传感器数据融合算法进行研究,引入动态时间规整算法中的动态弯曲距离代替模糊支持度函数中的绝对距离,同时将传感器自身可靠度与支持度结合作为加权融合权重,提出了基于改进模糊支持度的数据融合算法。最后将本文方法与基于模糊支持度的融合算法、基于算术平均法的融合算法进行多湿度传感器数据融合测试,对比结果显示在不含异常数据与包含异常数据两种实验场景下,本文方法的融合精度更高且鲁棒性更好;（2）基于神经网络的多传感器数据融合研究。本文对多传感器数据组成的样本数据进行主成分分析并降维,然后采用烟花算法（Fireworks Algorithm）对BP神经网络的参数进行优化,建立了基于FWA-BP神经网络的数据融合模型。最后结合PM2.5浓度预测的实例,将本文模型与粒子群算法优化的BP神经网络数据融合模型、BP神经网络数据融合模型进行实验对比,并选取平均绝对误差和均方根误差作为评价指标,综合分析表明本文模型融合精度更高,验证了本文模型应用于多传感器数据融合具有可行性;（3）基于模糊理论和神经网络的多传感器数据融合研究。本文研究了模糊理论与神经网络结合用于多传感器数据融合系统中的优越性,提出了基于自适应神经模糊推理系统（Adaptive network-based fuzzy inference system）的数据融合模型。利用减法聚类对模糊C均值聚类过程进行优化,同时引入聚类有效性指标确定最优聚类结果,根据最优聚类结果构建ANFIS初始结构,并利用混合算法对模型训练,建立了基于ANFIS的数据融合模型。最后将本文模型应用于水质等级评价问题,并与基于网格划分的ANFIS数据融合模型作对比,结果显示本文模型融合推理结果准确度更高,算法运算复杂度更低,验证了本文模型应用于多传感器数据融合的有效性。