信号处理问题在通信和控制方面都有广泛的应用。ARMA(autoregressive moving average)信号可广泛应用于时间序列分析、系统建模、反卷积和系统预报等领域。信号估计可作为状态估计的一种特殊形式,例如ARMA信号估计可转化成一个状态分量的估计问题。由于多传感器在时间和空间上能够提供更丰富的信息,因而,多传感器信息融合信号处理技术得到了广泛的研究和应用。本文研究了多传感器多通道ARMA信号信息融合Wiener估值器,多传感器ARMA信号信息融合反卷积滤波器,以及带观测滞后ARMA信号的信息融合估值器。对于多传感器多通道ARMA信号系统,通过将ARMA模型转化成状态空间模型,将信号估计问题转化为状态分量的估计问题,或白噪声估计和输出预报问题。基于线性最小方差加权最优融合算法,利用观测白噪声估值器和输出预报器给出了带相关噪声多通道ARMA信号的分布式融合Kalman估值器和Wiener估值器,并且推导了任两个局部估计误差之间的互协方差阵的计算公式。最优加权融合算法将应用于多传感器ARMA信号分布式融合反卷积估值器。通过ARMA模型和状态空间模型之间的转化,将提出基于线性最小方差估计准则的多通道ARMA信号的分布式信息融合反卷积滤波器,并给出任两传感器之间的滤波误差互协方差阵的计算公式。对带多步观测滞后的系统,通过状态增广将带多步观测滞后的系统转化为不带观测滞后的等价系统,然后利用已有的结果进行处理。其次,对带一步观测滞后的系统,通过模型转化为系统噪声和观测噪声在相邻时刻相关的正常系统,利用射影理论可直接获得基于每个传感器的线性最小方差局部估计。然后,推导了任两个局部估计误差之间的互协方差阵的计算公式。最后,基于分布式矩阵加权最优融合估计算法,给出了分布式加权融合Kalman估值器。