随着科学技术的发展,近20年来,多传感器数据融合技术日益受到人们的普遍关注。多传感器数据融合在解决探测、跟踪和目标识别等问题上,具有抗干扰、生存能力强,时空覆盖范围大,增加了测量维数,增强了探测性能,提高了系统的可靠性和准确性,空间分辨能力强,反应灵敏,各传感器优势性能互补等优点。其主要应用于军事领域及智能机器人、遥感、医疗诊断、自动监视、图像处理、模式识别和复杂工业过程控制等相关领域。多传感器数据融合研究目的是如何通过综合多信息源的信息获得比依靠任何单个信息源更加准确和更加确定的估计与推理,也是本文的研究主题。本文主要是围绕基于传感器融合的汽车防撞算法这一问题来进行研究的,首先分析传感器融合系统的模型,多传感器目标跟踪的模型及其状态估计方法。由于数据融合处理过程较为复杂,文章还详细分析了贝叶斯粒子滤波的原理及其数据处理方法,粒子滤波采用一些带有权值的随机样本(粒子)来表示所需要的后验概率密度,而不是采用传统的线性变换,并对经典的纯方位跟踪问题进行了仿真。建立了汽车主动避撞的安全距离模型,分析了汽车在制动的各个阶段其制动距离的一般算法,然后考虑在实际情况中各种因素的影响,给出了汽车在不同加速条件时其制动距离的算法。最后,本文以雷达传感器和红外传感器融合为例,依据一般假设条件,雷达传感器和红外传感器测量周期不成整数倍,将雷达的采样结点作为参考点,红外传感器的量测数据面向雷达量测数据进行同步,并且将统计特性表达式代入量测数据同步融合过程中,然后对算法进行了仿真验证。在序列蒙特卡洛粒子滤波的基础上建立模型,通过用Matlab/Simulink仿真软件对模型进行仿真,证明该算法的有效性。