张思梦，黄姣茹

（西安工业大学电子信息工程学院，西安 710021）

0 引言

多感器数据融合利用来自不同的传感器数据信息来源,采用多种计算机技术，在一定规则下进行分析和计算，获得对被测信息的一致相同性描述与解释，进而去实现相对应的决策和估计，使系统获得比它的各个组成部分更家精确和完整的信息。目前常用的融合估计方法主要有两种结构：集中式融合估计和分布式融合估计。集中式融合估计能够充分利用所有数据信息估计精度具有全局最优性。然而，在传感器数量较多或者存在传感器故障时，算法实时性不高且鲁棒性差。分布式融合估计对每个不同的传感器信息进行了局部优先处理，再经过融合中心进行全局估计，极大地提高了算法的实时性和鲁棒性。

目前，国内外学者对分布式数据融合估计进行了大量研究，取得了相当多的成果。文献［5］针对多传感器线性离散随机系统的数据融合估计问题,应用了递推增广最小二乘（RELS）算法和加权融合估计算法提出了未知融合模型参数辨识器，文献［6］对于多传感器下的线性系统，提出了分量按标量加权融合算法，推导出卡尔曼（Kalman）状态滤波器，文献［7］研究了具有交叉相关噪声的多传感器系统的线性最小方差（LMV）意义上的全局的最优序列和分布式融合估计算法，提出了一种全局最优的顺序融合滤波器，证明了所提出的顺序融合滤波器和集中融合滤波器的估计精度的等价性。……