多传感器数据融合是对多源信息进行处理的理论、技术和方法的一门综合性学科，数据融合通过对多个或多种传感器提供信息进行融合，来减少观测信息的不确定性和模糊性，提高对目标的检测、跟踪定位和识别能力，增强系统的可靠性和生存能力。本文较为系统地研究了数据融合中的目标跟踪问题及神经网络在多传感器数据融合中的应用。主要内容如下：1、首先介绍了数据融合技术的定义、基本原理与方法；然后对多传感器数据融合的功能模型和结构模型及其应用范围进行了综述。2、对多传感器机动目标跟踪的基本原理和目标跟踪类型进行了综述，为后面内容的进一步讨论奠定了基础。3、研究了一类具有不同采样周期的多传感器系统目标跟踪问题，提出了一种解决此类问题的方法。新算法基于系统的新模型和传统的Kalman滤波器，对于每个传感器，利用本周期内按序到达的各传感器的观测值，依此对该时刻的目标状态进行估计和更新，得到每个传感器的局域估计。然后将它们送到融合中心，得到下一时刻目标状态基于全局估计信息的估计值。最后通过计算机仿真，将新算法与基于时间校准的算法在精度上进行了比较，验证了算法的有效性。4、研究了人工神经网络在目标跟踪中的应用，在讨论雷达和红外传感器航迹融合算法基础上，加入BP神经网络，并进行仿真试验，结果表明通过BP神经网络的系统的误差较小，并且容易达到较高的精度。