传感器网络融合系统通常面临带宽受限的问题,由于传感器采集的信号可以在被传输之前通过量化来减少传输的位数,因此对信号进行量化处理是满足有限通信带宽的一种解决方法。对于实际的传感器网络,测量值到达融合估计器前均需要进行量化处理,现有的量化滤波方法的研究大多是均匀量化滤波,而对非均匀量化滤波方面的研究较少。为此,本文主要开展传感器网络中非均匀量化滤波方面的研究。论文主要研究内容包括:(1)对一类非线性系统采用测量值均匀量化的扩展Kalman滤波进行研究。首先,对均匀量化理论进行分析并给出量化滤波算法;其次,从估计误差方面来对滤波器的性能进行分析;最后,针对一类量测方程为线性状态方程为非线性的模型,对比研究了采用量化策略与不采用量化策略的扩展Kalman滤波。(2)提出一种非均匀量化滤波方法。首先,提出一种基于最小量化误差平方和的非均匀量化策略;其次,给出求解非均匀量化点的方法并且建立一种量化点实时更新和半实时更新策略;最后通过仿真平台验证该策略的有效性。(3)开展传感器网络的量化份数分配方案研究。首先,介绍了基于量化新息的Kalman滤波;其次,建立关于最优量化份数分配的优化函数,据此给出了交叉量化份数分配方案与固定量化份数分配方案;最后,通过计算机对各方案的优势与不足进行仿真验证。