徐 苏，杨 红

（1.淮海工学院工程训练中心，江苏 连云港 222000；2.广州大学物理与电子工程学院，广东 广州 510006）

0 引言

多传感器信息融合技术广泛应用于军事、国防、目标跟踪、GPS定位、机器人、信号处理、通信、控制等领域，目前成为备受人们关注的热门领域。信息融合的目的就是将多传感器信息进行有效地处理，从而得到比单一传感器更加精确的结果。对于基于Kal man滤波的多传感器观测数据融合，主要有状态融合和测量融合。测量融合可分为集中式融合和分布式融合［1］。

文献［2］提出了不同观测矩阵的最小二乘数据融合算法，文献［3］提出了按对角阵加权的最小二乘数据信息融合算法，文献［4］对按矩阵、对角阵、标量3种加权方法进行了比较，文献［5］将算法扩展，提出了不同观测矩阵加权最小二乘算法，但这些方法的一个共同缺点是没有考虑到模型参数本身的信息，因此深入研究基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式融合Kal man滤波算法，可以提高融合算法的性能，非常有实际意义。

1 卡尔曼滤波和贝叶斯估计

1.1 非线性卡尔曼滤波系统

1960年，卡尔曼发表了用递归方法解决离散数据线性滤波问题的论文。得出系统的状态随机差分方程，用如下状态空间模型描述的动态系统：

式中，t表示离散时间，系统在时刻t的状态X（t）∈Rn，W（t）∈Rr为输入白噪声，Y（t）∈Rm是对状态的观测信号，v（t）∈Rm为观测噪声。F、G和H 分别为n×n、n×r和m×n的己知矩阵，分别称F为状态转移矩阵，G为过程噪声分布矩阵，H为观测矩阵称式（1）为状态方程，称式（2）为观测方程。……