多传感器信息融合也称多传感器数据融合,是指对来自多个传感器的数据进行多方面和多层次的处理,从而产生新的有意义的信息,而这种新信息是任何单一传感器所无法获得的。它避免了单一传感器的局限性,可以获得更多信息,得出更准确、可靠的结论。信息融合技术涉及到数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。它充分的利用了多源数据的互补性和电子计算机的高速运算性能,有效地提高了信息处理的质量。对带不同局部模型多传感器线性离散定常随机系统,应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型和白噪声估计理论,及将现代时间序列分析方法与经典Kalman滤波方法相结合,提出了两类局部Wiener状态估值器。对每类局部状态估值器,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则,提出了系统公共状态的三种最优加权融合Wiener状态估值器。它们的精度高于每个局部估值器的精度,且可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可用于解决带ARMA有色观测噪声系统状态融合滤波问题。利用增广状态空间方法,将待估信号看作子系统的公共状态,提出了带白色和有色观测噪声多传感器ARMA信号Wiener估值器和Wiener反卷积估值器。在跟踪系统中的大量Monte-Carlo仿真例子和数值Monte-Carlo仿真例子说明了本文提出结果的有效性。