多平台多传感器多源信息融合系统中的时空配准问题已经成为多源信息融合领域中的一个重大的研究课题。多平台多传感器多源信息融合是关于协同利用多传感器信息进行多级别、多方面、多层次信息检测、相关、估计和综合以获得目标的状态和特征估计以及态势和威胁评估的一种多级别自动信息处理过程，它将不同来源、不同模式、不同时间、不同地点、不同表现形式的信息进行融合，最后得出被感知对象的更精确的描述。多平台多传感器多源信息融合系统由于本身具有的良好的性能鲁棒性、拓展的时空覆盖区域、优良的目标分辨能力、良好的故障容错和系统重构能力以及较高的系统资源利用率等特点，因此越来越受到人们的青睐和高度重视。 人们在享受到信息融合带来的好处的同时也逐渐发现在信息融合过程中所遇到的一些难以解决的问题，其中融合中的数据配准问题就是其中之一。因为多源信息融合中时空配准问题是多源信息融合系统所必须具备的先期处理过程。为了确保对多传感器数据进行无误差的转换，常需要进行多传感器的配准处理，否则未经配准的传感器组合可能导致比单独使用一个传感器时还差，甚至会产生与实际情况相反的结果。为了提高多平台信息融合系统的整体性能，研究多平台多传感器的时空配准问题，无论是在理论上还是实用上都具有非常重大的意义。本文研究了多平台多传感器的时间、空间配准算法，主要对空间配准算法进行了深入的研究。 本文首先简要地介绍了一下该课题的研究意义，回顾了国内外已有的时空配准算法，总结了现有的卡尔曼滤波算法、最小二乘算法和极大似然配准算法。它们都是基于二维区域性平面内的立体投影法，不可避免的带来了数据的误报和配准模型的不准确性。其次，简要地介绍了目前的数据融合的基本方法、常用坐标系和一些成熟的估计理论。 为了克服二维区域性平面中立体投影所产生的影响，本文推导了基于三维立体投影的无味卡尔曼滤波的配准算法，在传感器的姿势误差较小的情况下，该算法解决了最小二乘算法中没有考虑量测噪声的影响以及卡尔曼滤波算法中存在的问题。为了解决多平台多传感器的配准问题，本文推导了基于地心坐标转换的配准算法，该算法将传感器的量测值转换到地心坐标中，将最小二乘算法推广到不同平台的多传感器配准中，但是该算法还是没有考虑噪声的影响。最后本文推导了基于地心坐标转换的极大似然配准算法，该算法结合了极大似然算法和基于地心坐标转换算法的优点，对传感器的量测值进行测地转化，再利用极大似然算法进行配准处理。此算法解决了不同平台内的多部传感器配准过程中存在的问题。 本文通过对以上的几种配准算法的模拟数据仿真，证明了算法的正确性和有效性。