雷达网数据融合是提高雷达网预警能力和实现情报处理自动化处理的重要途径和关键技术。研究雷达网数据融合问题，对建设我国具有较高自动化水平的国防预警系统具有重要的意义。 本论文综合应用小波分析、估计理论、分形理论、模式识别技术、雷达数据处理和智能优化算法等多学科理论和技术，对雷达网数据融合问题进行了理论分析和仿真实验。论文的基本目标是研究具有实用价值的雷达网数据融合的理论与方法，主要工作和研究成果如下： 1.对雷达网数据预处理和目标跟踪问题进行了综合分析和研究，提出了基于固定目标位置的动态偏差校正和多雷达的相对偏差估计方法。对机动目标跟踪问题，结合强跟踪滤波器(STF)和相互作用多模型(IMM)估计器，构造了自适应模型调节因子，首次提出了STF-IMM算法和具有相关噪声的SMFEKF-IMM算法，大大提高了机动目标跟踪的性能。 2.对多机站点迹关联问题进行了研究，建立了点迹和航迹之间的最优分配数学模型，并采用带有滤波器的遗传算法求解最优分配方案，有效地减轻了融合中心数据处理的负担，节约了通信资源的开销；同时提出了一种新的可适用于杂波环境下的动态调整模型结构的数据关联算法STF-PDA。 3.研究了目标航迹融合和雷达网数据综合处理问题，提出了无穷范数下和基于分量加权的目标状态线性最优融合的方法，并给出了解析表达式；通过综合分析，提出了一种新的基于测量聚类、融合、跟踪滤波为一体的数据处理方法，降低了问题的复杂性和计算量，并提高了点迹关联的正确率。 4.研究了雷达网航迹关联问题，首次提出了基于多尺度小波变换和短时分形理论的航迹关联、提取航迹趋势的异步航迹关联和基于小波变换和SVM的异步航迹关联等算法，并进行了大量的实际数据验证。对不同维目标状态向量，建立状态之间的映射关系，在最大似然(ML)意义下，推导出了最优融合的解析式，分析了状态误差之间的相关性对融合结果的影响。