入侵检测系统大多是基于单一类型的传感器系统,在这种系统中,利用传感器对多种目标进行监测时,经常会发生误判或者漏判之类的问题,因此需要将入侵检测系统升级为基于多种类型传感器的系统。多传感器数据融合技术可以将多种类型传感器所采集的数据进行有效地利用,得到每种传感器对于目标的详细的特征信息,从而能够产生比单一类型传感器系统更加完全的精确地判断。现有的数据融合算法有估计法、统计法、信息论法等等。这些方法过于繁琐,需要大量的数学计算,不适合现在的传感器系统。因此,本文提出了利用神经网络的方法进行数据融合,神经网络的方法不需要大量的繁琐的数学推导,通过类似人脑的对于数据的处理,最终得出对目标的判别结果。通过神经网络的数据融合方法,能够很便捷的达到对多传感器数据进行融合的目的,并且神经网络的多传感器数据融合比单一传感器对于目标的判别率有着很大的提高。本文主要完成了以下的工作:完成了针对阿什河流域水质监测系统监测子站的多传感器入侵检测系统的硬件系统,利用该硬件系统采集了人体、机动车辆和狗的传感器信息;完成了对采集的传感器数据进行分析处理,提取了特征信息,经过归一化之后,得到了神经网络的训练样本;完成了对BP神经网络的训练,并对不足之处提出了改进,针对未经改进和改进之后的神经网络进行仿真训练,并且通过与单一传感器数据对目标的判定结果的进行了对比。通过实际测试验证,经过改进的神经网络数据融合方法能够方便快捷有效的进行数据融合,并且对于单一类型传感器系统对于目标判别的不确定性有了明显的改进,判别成功率有了显著地提高。