随着光纤光栅传感工程应用的增多，光栅复用技术的广泛应用使得光栅传感阵列信号和光栅传感网络信号越来越复杂，传感信号的处理成了制约光栅传感器大规模应用的瓶颈之一。在目前的光栅传感工程应用中，干扰噪声和交叉敏感等问题导致传感测量不准确，针对这些问题通常采用对测量光栅进行封装或者增加参考光栅等方法来减少干扰因素对传感结果的影响，这些方法虽然有比较好的效果，但是增加了光栅传感的使用成本，同时还导致光栅传感系统的复杂化，不利于光栅传感的大规模部署。本文针对光纤光栅传感器的特点，采用数据融合技术对光栅传感数据进行处理以提高传感测量的准确度，这种方法既利用了光栅传感器需要在终端进行解调的结构特点，也充分利用了传感器信息，而且融合算法的选择比硬件结构的改变要方便，也更节约成本，适合于大规模部署。本文是在国家自然科学基金(61107052)的支持下完成的，主要内容包括：(1)介绍了光栅传感的基本原理并对光栅传感的发展进行了综述，对光栅复用技术和复用解调技术作了阐述。然后介绍了数据融合技术的基本原理和研究内容，对数据融合的分类方法和重要算法进行了综述。(2)分析了光栅传感中的异常值的特点以及常用异常值处理算法，然后提出了基于统计量的异常值处理方法。这种方法不但充分利用了传感器信息，同时算法的复杂度低且易于编程实现，有利于后续的数据融合处理算法实施。(3)对基于统计量的异常值处理方法进行改进，采用截尾加权算法对异常值进行处理，然后将新的异常值处理方法与加权最小均方误差算法进行集成，提出一种改进的加权数据融合算法，该算法采用二次融合的思想，第一次融合对异常值进行处理，第二次融合以接近最优融合效果。实验结果显示该算法能有效抑制异常值对数据融合结果的影响，融合输出方差0.0768明显小于直接融合方法。(4)在分析了倾斜光栅不同模式应变透射峰漂移量不同的基础上，提出采用RBF神经网络对多个模式对应的波长测量数据进行融合，以预测所加载砝码产生的应变，实验显示这种方法简单高效，相对误差可以达到1.24×103%，有很好的应用前景。