传感器网络作为一种被动侦查手段，因其高隐蔽性成为当前研究的热点。其中，多源信息融合是传感器网络极其重要的研究内容。论文结合国内某研究所的“基于传感器网络的运动车辆识别跟踪系统”项目，主要研究了多分类器识别融合和目标位置的融合估计问题，并在硬件平台上实现了系统。主要工作体现在以下方面：(1)基于多分类器融合的车辆类型识别论文研究了基于车辆的声音和震动两类信号特征的融合识别问题。在传感器节点，主要研究了基于贝叶斯理论的多分类器融合算法和基于KNN算法的分类融合。在汇聚节点，研究了多数投票判决融合及其几种衍生算法。结合仿真对比与项目的硬件架构，论文提出了从传感器节点到汇聚节点融合识别的算法框架：在传感器节点采用基于KNN的分类融合算法，在汇聚节点采用局部范围内投票有效判决融合。实验表明，该方案简单易于实现，可以有效的提高正确识别率，同时也降低了网络通信数据量。(2)多传感器观测下的目标跟踪问题论文研究了集中式跟踪系统下序贯滤波融合和并行滤波融合两种算法的原理，步骤，并对二者进行了仿真对比，结果表明，两种算法对目标的跟踪精度是相同的，但是序贯滤波融合更适合传感器网络不稳定，时延不固定的场景。对于分布式系统，重点研究了简单航迹融合算法。数据关联是本文研究的另一个重点，主要仿真和对比了量测与航迹融合的最近邻关联算法和基于模糊聚类分析关联算法以及分布式融合系统下的航迹与航迹的关联。结合项目的应用背景，论文提出在目标的分布比较稀疏，机动性较低时，运用集中式跟踪系统及最近邻量测与航迹的数据关联算法。分析和仿真表明，该方案简单有效，复杂度低，可以较好地实现对目标跟踪。(3)利用TI德州仪器公司的达芬奇架构开发平台OMAPL138实现了项目的部分功能。借助untu10.4虚拟机，完成了ARM端Linux应用程序的开发，在CCS5.2集成开发环境下完成了DSP核DSP/BIOS主控程序的开发。