现今各国军队已经拥有了多种多样的传感器，作为军事系统的眼睛，传感器到决策层这样一个军事回路决定着军事决策、判断和行动的准确和快速性。总体来说，目前的传感器分为两类，第一类是有源的，也就是主动辐射信号进行目标探测，典型的如雷达和激光探测器。第二类则是无源的，依靠对方辐射的信号确定目标各类要素，典型的有无源雷达，红外感应器和光学照相机。传感器数目众多，但在不同类型之间大多处于各自为战的局面，大大局限了探测范围和探测精度，把这些传感器的探测结果融合到指挥专网上进行综合处理，这就是未来指挥作战体系的发展方向——多传感器数据融合技术。
为什么要融合?
既然一个传感器能够探测到所有范围，为什么要进行融合呢?答案很简单，不同的传感器可以优势互补，效能倍增。举例来说，预警机和战斗机使用的L、S和X波段雷达一般波长位于分米到毫米数量级，而隐身飞机对这些波段的雷达隐身效果极佳，因此很难发现。但对米级波段的雷达隐身效果就很差，飞机很多部件会和米波产生共振，释放出极大的回波，因此隐身飞机对米波隐身是无效的，但米波雷达因波长太长，分辨率极低，无法看出回波具体目标。这两个雷达进行数据融合后，就可以先用米波雷达进行测量，发现疑似目标后再使用预警雷达探测，如果在该地没有发现目标，就可以判定该处可能有隐身飞机，从而颠覆隐身飞机作战的物理基础。
通常来说，多传感器融合由于实现了优势互补，在指挥专网得到的数据量要比遍布战场的单传感器多的多，且探测精度更高，目标性质更加明确。还可以根据融合结果脱离数据层面的单纯探测，在决策层综合判断整个战场态势，实现指挥控制智能化、最优化。
怎样进行融合
一个多传感器数据融合系统分为两个级别的处理功能，在第一级别，主要是数据方面的处理，得到数字结果(如位置、速度、目标类型)。在第二个级别，处理主要是符号处理，处理更为抽象(如威胁，意图，目的)，假设系统用几个传感器同时监视同一空域中不同类型运动目标，当可获得数据的工作频率在整个电磁波谱上尽可能宽时，此时多传感器最大化了所获取的数据独立性，特别是当他们同时使用主动工作方式和被动工作方式时更为明显。
数据被提取之后要经过处理才能提供给决策层
传感器扫描监视区域并报告在每一次扫描中发现的所有探测目标，每个传感器都独立进行测量，并给予信号特征采用判决方法判定是否发现目标，一旦探测到目标，测量参数被传送到融合处理节点进行处理。指挥中心系统则根据这些数据相关性处理，并且与之前探测到的数据进行关联，在基于状态和特征的判断之下，做出一个决策。
在每次扫描结束后，从新的或已存在的目标信息中，指挥系统还可以做出下一步目标信息的估计，使用的方法例如最小二乘法和卡尔曼滤波法，这些方法在潜艇声呐信号处理上被普遍采用。
数据融合的类型包括集中式融合和分布式融合，前者是每一个传感器把它观测到的数据都发送到中心融合节点，形成一个合成决策，这种方法负责，需求的运算量巨大。后者则是每个传感器基于自己的观察，首先做一个传感器级别的判定，而后把决策送往融合节点，再形成一个合成决策，这种方法使得决策量减少，但带来的决策性能的损失。
指挥专网融合技术说起来容易做起来很难，各传感器的数据、误差、信号处理、传递的模式都不同，因此在融合时可能出现令人失望的结果，例如美军2003年在伊拉克战争时就出现了通用态势图里对同一目标有十几种不同的位置、路线标注，要真正成熟使用运用这种技术，还需要很长的路要走。
