本文研究了木材含水率测试系统多传感器数据融合方法，以提高木材含水率测试的精度、可靠性和鲁棒性。 在深入研究木材含水率测试方法的基础上，首次将多传感器数据融合理论应用于木材含水率测试系统，构建了木材含水率测试系统多传感器数据融合的体系结构和功能模型，为数据融合方法的研究提供框架基础。 通过比较，确定了木材含水率的测试方法，设计多传感器在线测试系统。运用分段增益法，解决了木材含水率在5％～95％范围内对应的等效电阻变换范围宽(几百GΩ到几KΩ)的难点；利用三信号法、三步测量法等动态补偿技术消除因温度漂移、灵敏度漂移、电压波动、窑内干扰信号对木材含水率测量精度的影响，提高了测量稳定性；此外，设计了木材含水率、平衡含水率共用的检测电路，降低了设计的复杂性。 针对干燥窑内同质传感器，分析了自校准层数据融合的功能特点，分别研究了Bayes估计理论、自适应加权、分布图法和分批估计的自校准层数据融合方法。仿真实验表明利用分布图法和分批估计的融合方法可剔除多源信息层数据的疏失误差，确保在某个甚至数个传感器失效的情况下，其它非失效传感器仍可独立的为相关层融合提供可靠数据，有效地增强了模型对不确定因素的适应性、鲁棒性。 针对干燥窑内异质传感器提出了相关层融合方法，分析了影响木材含水率测试精度的主导因子，研究了基于类神经FLANN的相关层融合模型，比较了基于切比雪夫(Chebyshev)、勒让德(Legendre)、幂级数(Powerseries)扩展函数的FLANN模型与MLP模型的计算复杂度。采用粒子群算法与BP算法相结合的学习方法训练相关层融合模型，引入并行机制，在多维空间中实行有效的整体搜索，提高融合速度。相关层融合消除了木材含水率与环境因子主导因素间的相互耦合和相关关系，实验和仿真结果表明了该融合算法的有效性。 结合以上的研究结果，开发了基于多传感器数据融合的木材含水率测试系统，实验结果验证了本文工作的可行性和实用性。