无线通信技术和新型传感器的大力发展,使无线多传感器网络信息融合估计系统在导航、目标跟踪、军事监测、医疗等领域得以广泛应用。无线通信的引入给系统带来了很多的好处,节约了系统成本,增加了系统灵活度等,也不可避免地带来了新的挑战。例如通信带宽约束、通信延迟、通信丢包等。大量的实际应用使多传感器估计问题渐渐成为了研究的热点。本文的主要研究内容包括:1、考虑在通信受限条件下的无线多传感器估计问题。在传统的传感器数据传输的基础上提出了一种降维的数据传输调度策略,这种策略能够满足有限的通信约束条件。然后设计该策略下的Kalman估计算法。最后利用一个拥有两个传感器节点目标跟踪实例来验证该传输策略的可行性和估计算法的有效性。2、随着大量的传感器引入到多传感器估计系统,系统的规模变得越来越大。如果继续使用第一种传输调度策略,同一个时刻,需要传输的信息量可能依旧很大,甚至超过通信的限制。为此,本文提出一种节点分组,然后按照时间顺序周期传输的数据调度策略。在这种调度策略下,通过分组,形成多个子系统,每个时刻只传输一个子系统预处理的信息以满足通信约束条件。设计与之对应的数据调度下的Kalman估计算法。最后利用一个拥有四个传感器节点目标跟踪实例来验证该传输策略的可行性和估计算法的有效性。3、为了满足实际的应用需求,研究者在原有的无线多传感器估计系统中加入控制器和执行器以便对状态的改变及时地做出响应。传统意义上,传感器根据采样周期对物理状态进行采样并发送量测数据到中心控制器,控制器根据这些信息对状态做出估计,得到相应的控制命令包,并将之发送到执行器,执行器解析控制命令包然后做出适当的响应。本文为了优化控制器的发包周期,降低系统的能耗,提出一种通信和控制协同的数据调度策略,该策略以实时地调整发包周期为目的,然后设计基于粒子群的发包周期的优化算法。最后通过一个实际的供热通风与空气调节系统仿真来验证优化发包周期策略的可行性。