近年来,随着信息多元化的发展,以及计算机技术、微电子技术和多传感器网络的日益成熟,信息融合作为一种有效的信息综合处理方法,其理论及应用研究都得到了快速的发展。信息融合技术在生理信息领域的应用研究还处于初级阶段,研究内容大多集中在定性的医疗诊断方面,对于动态生理信息融合的研究较少。随着信息技术的发展,动态生理信息融合必然会得到越来越广泛的关注,尤其是在运动保健、体育和军事训练以及宇航员的太空模拟训练等多种领域。本文先对生理信息融合的应用对象,即仿生机器马运动器进行了介绍,分析了人体在运动过程中的生理信息变化,再根据融合理论和生理信息特点,构建了实时动态生理信息融合系统模型,并阐述了系统模型中四个层次的作用和相互联系,并将此系统模型应用于仿生机器马的虚拟速度预测。根据神经网络的优势和特点,本文将信息融合理论与神经网络相结合,给出了一种基于BP(Back-Propagation)神经网络的动态生理信息融合算法,针对应用对象确定了网络结构。融合算法在新型仿生机器马健身器虚拟速度预测中,可制定合理的运动状态评判方案,通过实时监测机器马骑乘者的多项生理信息,使骑乘者在运动过程中可以达到最佳的运动状态,得到最好的健身效果。通过仿真证明了这种生理信息融合算法速度和精度,满足虚拟速度预测的需要,证明了融合算法的实用性和有效性。在上述研究的基础上,本文进一步提出了一种改进的生理信息融合算法,即是基于蚁群神经网络的生理信息融合算法,根据蚁群算法的分布式并行计算、正反馈机制和贪婪式全局搜索等特点,对单纯BP算法容易陷入局部极小的缺点进行优化。仿真表明,通过选取合适的参数可以有效的避免单纯的BP融合算法陷入局部极小,拓宽了生理信息融合算法处理信息的能力,并且神经网络的训练速度和精度有明显提高。