科技进步加快了智能汽车系统的发展步伐。 系统中分布的多个传感器用于收集和确定车辆环境信息。 无论传感器的精度如何，多传感器系统中采用的数据融合算法都会直接影响决策。 因此，有必要设计适当的算法来实现传感器数据处理。 提出了一种基于联邦卡尔曼滤波和模糊推理的模糊自适应数据融合策略，以达到更加精确的效果。 在该策略中，模糊推理用于调整测量噪声的水平，而联邦卡尔曼滤波器的目的是获得平滑数据。 此外，通过计算残差的平均值，我们说明了一种拒绝测量缺陷并将其替换为先前有效值的方法。 实验结果表明，与联邦卡尔曼滤波器相比，该策略可以有效地检测和纠正缺陷，并获得更准确的数据处理结果。
