胡振涛，贾培燕，付春玲，杜海顺

（1．河南大学 图像处理与模式识别研究所，河南开封 475004;2．河南大学基础实验教学中心，河南开封 475004）

0 引言

多传感器信息融合相对于单个传感器所获得的信息具有冗余性、互补性，从而进一步增强了估计结果可靠性和鲁棒性。在结构上一般分为集中式、分布式、混合式和多级式，后2种结构形式实际上是在集中式和分布式基础上的拓展，针对具体被估计对象特点，可通过集中式和分布式优化组合实现［1，2］。近年来，针对集中式和分布式融合框架，在系统估计实现中已取得较为丰富的成果，但现有结论成立的前提是对被估计系统的精确建模，即已知系统或量测的部分先验统计信息。然而，在实际工程环境中，一些外界扰动（传输误差、计算误差、环境噪声和人为干扰等）是无法回避的，使得建模噪声和实际噪声的统计特性具有较大偏差，而这种偏差直接影响着滤波器估计精度［3，4］。因此，在量测不确定条件下研究如何利用多传感器量测数据实现复杂混合系统状态估计具有重要的现实意义。对于含扰动影响量测数据的辨识和剔除一般采用离线处理的方式，这种方式通常和滤波器设计之间是孤立的［5，6］。近年来，基于线性最小方差估计准则的Kalman滤波（KF）架构上发展起来残差检测方法，但需要利用先验信息实现野值检验门限的设定，限制其应用范围［7］。

基于以上分析，结合KF技术，本文给出了一种量测不确定下多传感器自适应数据融合（MAKF）算法。……