针对多源异构型数据来源复杂、结构特殊，导致其融合难度较大的问题，为提升数据融合效率与准确性，提出一种基于模糊数学的多源异构数据融合模型.首先，利用联邦加权平均融合策略，整合从各传感器传输至数据级融合层中的元数据，得到数据级融合结果；其次，结合主成分分析法与典型相关分析法，提取出由网络本体语言统一后数据的特征，完成特征级数据融合；再次，根据模糊数学理论建立、更新模糊规则库，通过决策融合算法，得到决策级融合结果；最后，将上述不同层级的数据融合结果结合建立数据融合模型，得到最终的数据融合结果.实验结果表明，该方法的最大协方差值和绝对误差值不超过0.15,最短融合时间仅为12.6 ms.该方法的融合精度和稳定性较好，时效性与抗扰性均具有显著的优越性.