中文摘要：

异质多源传感器系统(HMSS）广泛应用于人类日常生活的方方面面，从军用到民用都有着巨大的市场需求和发展前景。HMSS的资源调度和信息融合具有巨大的挑战性，但又提供了降低系统能耗和获取高准确信息的可能性。本项目将从事这两方面的研究，包括HMSS动态资源分配问题的建模；HMSS动态资源分配问题的优化；HMSS的在线调度算法；基于标准神经网络模型的HMSS的融合算法。本项目的开展将建立HMSS资源分配的精确描述模型，并给出硬实时系统和软实时系统在该模型下的统一解和动态在线省电算法；同时，通过结合标准神经网络模型方法进行信息融合来提高系统的性能。本项目的研究对于解决HMSS的理论探索和实际应用难题有着重要意义，对于实现系统在资源有限制条件下寻求最优调度和通过信息融合来降低能耗、优化性能是一个重要尝试。

结论摘要：

异质多源传感器系统（HMSS）广泛应用于人类日常生活的方方面面，从军用到民用都有着巨大的市场需求和发展前景。HMSS的资源调度和信息融合具有巨大的挑战性，但又提供了降低系统能耗和获取高准确信息的可能性。本项目主要从事资源调度和信息融合这两方面的研究，其具体内容包括HMSS动态资源分配问题的建模；HMSS动态资源分配问题的优化；HMSS的在线调度算法；基于标准神经网络模型的HMSS的融合算法。通过建立HMSS资源分配的精确描述模型，可以得到硬实时系统和软实时系统在该模型下的动态在线省电算法。同时，通过结合标准神经网络模型方法，对传感器的量测数据进行融合，得到对观测对象的准确评估。通过该项目的研究，解决了HMSS的低能耗动态资源分配问题和多传感器信息融合问题，具有较高的理论价值和应用前景。