1、多傳感器信息融合濾波重要方法之一是利用多個(gè)傳感器對(duì)同一目標(biāo)進(jìn)行檢測(cè)，從而獲得其狀態(tài)的局部估計(jì)，并在一定最優(yōu)融合準(zhǔn)則下，組合或加權(quán)局部估計(jì)，從而獲得最優(yōu)融合估計(jì)，其精度要比每一個(gè)局部估計(jì)更精確。 自校正信息融合濾波是用來(lái)處理含未知模型參數(shù)和噪聲統(tǒng)計(jì)多傳感器系統(tǒng)的信息融合濾波問題，它是最優(yōu)信息融合濾波與系統(tǒng)辨識(shí)兩個(gè)科學(xué)的交叉，具有重要理論和應(yīng)用意義。 對(duì)帶有未知模型參數(shù)和噪聲統(tǒng)計(jì)的多傳感器線性離散隨機(jī)系統(tǒng)，應(yīng)用遞推輔助變量(

2、RIV)算法和求解相關(guān)函數(shù)矩陣方程方法，得到模型參數(shù)估值器和噪聲統(tǒng)計(jì)估值器。對(duì)帶相關(guān)觀測(cè)噪聲和未知噪聲統(tǒng)計(jì)系統(tǒng)，用經(jīng)典Kalman濾波方法，基于Riccati方程，在按分量標(biāo)量加權(quán)線性最小方差最優(yōu)信息融合準(zhǔn)則下，分別提出了自校正分量解耦信息融合Kalman和Wiener估值器。對(duì)帶有未知模型參數(shù)和噪聲統(tǒng)計(jì)的AR信號(hào)提出了自校正信息融合Wiener濾波器。用動(dòng)態(tài)誤差系統(tǒng)分析(Dynamic Error System Analysis)方法