人工神经网络方法通过模仿人脑的结构和工作原理，设计和建立相应的机器和模型并完成一定的智能任务。神经网络可根据当前系统所接收到的样本的相似性，确定分类标准。这种确定方法主要表现在网络权值分布上，同时可采用神经网络特定的学习算法来获取知识，得到不确定性推理机制。神经网络多传感器信息融合的实现，可分为三个重要步骤：
    (1）根据智能系统的要求以及传感器信息融合的形式，选择神经网络的拓扑结构。(2）各传感器的输入信息综合处理为一个总体输入函数，并将此函数映射定义为相关单元的映射函数，它通过神经网络与环境的交互作用把环境的统计规律反映到网络本身的结构中来。
    (3）对传感器输出信息进行学习、理解，确定权值的分配，完成知识获取信息融合，进而对输入模式作出解释，将输入数据向量转换成高层逻辑（符号）概念。
   基于神经网络的传感器信息融合有如下特点：

   (1）具有统一的内部知识表示形式，通过学习算法可将网络获得的传感器信息进行融合，获得相应网络的参数，并且可将知识规则转换成数字形式，便于建立知识库。

  (2）利用外部环境的信息，便于实现知识自动获取及并行联想推理。

  (3）能够将不确定环境的复杂关系，经过学习推理，融合为系统能理解的准确信号。
  (4）由于神经网络具有大规模并行处理信息能力，使得系统信息处理速度很快。