屈小媚

(西南民族大学计算机科学与技术学院，四川成都610041)

0 引言

多传感器信息融合是将来自多信息源的数据和信息加以智能化的合成，产生比单一传感器更精确、更完整、更可靠的描述和判断，是一个涉及信息科学、计算机科学、自动化科学的复合型学科。它的结构模型主要有4种形式:分布式、中心式、混合式和分级式。这4种结构的信息融合的理论研究均已取得了很大进展。

文献［1～3］针对多传感器数据的融合问题进行了研究，这些研究基于一个重要假设，即多传感器信息融合的数学模型是精确知道的。然而，在实际应用中，不论军事还是民用方面，多传感器信息融合的数学模型常常是不准确的。在多传感器分布式系统中，当观测噪声范数有界的情况下，如何得到系统参数估计的稳健估计融合是多传感器信息融合领域中一个受到广泛关注的研究方向［4～8］。解决这类问题的常用方法是最小二乘法［4］，即求使得估计误差的范数最小的参数估计，其中范数取欧几里德范数。最小二乘在本质上是确定性的方法，因为并未对各变量假设任何统计性质。当一些统计信息(比如观测噪声的方差)已知，可以用加权最小二乘。但当出现异常值时，现有的许多估计方法表现出不稳健的现象，模型的解不一定是在估计绝对误差意义下最好的估计。特别是当观测矩阵是病态的时候，可能得到很差的估计。虽然很多方法试图寻找有偏且是更接近真实参数z的估计，但是都不一定能使得估计的绝对误差小，参见文献［5～7］。……