机制设计是微观经济学和博弈论中的一个子领域，如今在计算机和通信系统已显现重要应用。VCG机制是其中最重要的机制设计之一，在多个领域都有广泛的应用，其中一个比较重要的应用领域就是多传感器的数据融合。在本文研究的智能传感器网络中，每个传感器都属于一个代理且每个代理都是理性的参与人。由于传统的VCG机制只适用于估价函数相互独立的情况，即传感器之间的信息相互独立，代理的估价函数只与自己的传感器对目标的估计协方差相关。而在许多实际情况中，传感器之间的观测信息都具有相关性，这使得代理之间的估价函数存在相依性。因此本文分析了一种相依估价的VCG机制，它能够在估价函数相关联的情况下，计算出一种使得整个传感器系统的利益达到最大的信息分配方式。同时本文优化了这种相依估价的VCG机制，使其满足贝叶斯激励相容性。另外，虽然卡尔曼滤波融合技术在数据融合中已经得到了广泛的应用，但是当传感器之间的观测信息存在相关性且相关性的大小未知时，卡尔曼滤波并不能为代理提供有效的估价函数。所以本文分析了另一种信息融合算法-相交协方差算法(简称CI算法)，它虽然不能确定估价函数的大小，但是可以为代理提供估价函数的一致估计值，满足一致估计性。　　 本文针对这两个方面进行深入研究，主要内容和成果如下：　　 (1)本文分析了机制设计的基本原理，讨论了机制设计的发展，以及制设计的计算模型和三个重要的特性，并且分析了VCG机制以及VCG机制的拍卖过程。　　 由于传统的VCG机制只适用于代理之间的估价函数相互独立的情况，所以当估价函数存在相依性时传统的VCG机制会失效，即代理可能会谎报自己的估价值。因此本文分析了一种相依估价的VCG机制，它能够在估价函数存在相依性时保证代理真实报价，并最大化整个系统的效益。同时本文优化了这种VCG机制，使其满足贝叶斯激励相容性，它在保证代理真实报告自己的类型时有效地降低了代理为接收到的信息所需要付的费用。　　 (2)本文分析了传感器数据融合的基本原理，讨论了多传感器信息融合模型。并且分析了数据融合中最重要的融合技术-卡尔曼滤波，包括卡尔曼滤波的基本算法、性质，以及基于卡尔曼的融合模型。　　 由于本文研究的是信息相互关联的情况，而分布式卡尔曼滤波只适用于信息相互独立的情况，所以本文分析了一种能够适用于传感器信息具有相关性且相关性大小未知情况的相交协方差算法-CI算法，并对卡尔曼滤波和CI算法做了仿真比较，验证了CI算法满足一致估计性，证明CI算法更适用于信息相关的情况。　　 (3)本文主要研究的是优化的相依估价VCG机制在多传感器数据融合中的运用，并用JAVA程序模拟了一个分布式数据融合的系统。在这个系统里有多个传感器，且每个传感器都属于一个代理，每个代理需要确定一些动态目标的位置；同时限定通信的带宽，使得传感器必须在有限的带宽内建立通信信道，融合相互的信息；系统的目的就是在有限的带宽内最大程度地精确这些动态目标的位置。由于加进去的噪声干扰是随机相关的，所以每个传感器的观测信息都存在一定的相关性。因此，本文把优化的相依估价VCG机制应用到这种分布式数据融合的系统中，并用CI算法给出代理对目标的估价值的一致估计。仿真结果证明优化的相依估价VCG机制能够计算出保证系统利益最大化的一种信道分配方式，即使得通信带宽得到最优化的利用的同时最大程度地精确目标的位置，并验证了优化后的VCG机制能够满足贝叶斯激励相容性，有效地降低了代理为接收到的信息所需要付的费用。