随着科学技术的快速发展,单传感器监测技术已经渐渐不能满足人们的需求,多传感器技术在社会生活、工农业生产、尤其是国防军事等领域发挥着越来越重要的作用。多雷达组网系统是多传感器系统的典型代表,因为雷达系统组成元件的离散性、老化、漂移及环境因素的影响,多雷达组网系统不可避免地出现相对固定的系统偏差。由于雷达系统中系统误差的存在,会在一定程度上影响雷达观测信息的融合探测跟踪性能,因此在利用多雷达组网系统对目标进行探测跟踪时需要对自身系统偏差进行估计与补偿(即,空间配准)。空间配准的一种常用手段是对系统状态与系统偏差进行联合估计,两阶段Kalman滤波是一种处理联合估计问题的有效方法,本文基于两阶段Kalman滤波器开展多传感器信息融合问题研究,主要包含以下内容:首先,在并列集中式融合框架下,利用观测值扩维融合的思想,将各传感器的观测信息扩维为系统状态的增广观测矩阵,并构建对应的增广观测方程;在此基础上,基于单传感器的两阶段Kalman滤波器对系统状态和系统偏差进行联合估计;并通过仿真研究分析了并列集中式两阶段Kalman融合滤波方法的有效性与可行性。然后,依据并列分布式融合框架,在分析各传感器局部两阶段Kalman滤波结果的基础上,利用系统状态估计误差协方差阵构建对应的加权融合系数,进而实现系统状态的全局融合估计,提出了标准分布式框架下的并列式两阶段Kalman融合滤波方法;并利用仿真验证了并列分布式两阶段Kalman融合滤波方法性能的优越性。由于并列式融合滤波结构需要所有观测信息或者局部估计结果全部到达融合中心之后才能进行融合处理,进而得到全局融合滤波结果。序贯式融合滤波结构能够在观测信息(或者局部估计结果)到达融合中心时,就能够将其与系统状态的当前预测值或者估计值进行融合,从而提高融合处理的实时性。为此,本文进一步研究了序贯集中式两阶段Kalman融合滤波方法和序贯分布式两阶段Kalman融合滤波方法。序贯集中式两阶段Kalman滤波器能够在观测信息到达融合中心时就利用其在系统状态当前预测值或者估计值的基础上,对系统状态和系统偏差值进行估计,从而更新当前系统状态的估计值,在利用最后一个传感器的观测信息进行两阶段Kalman滤波后就能够得到系统状态的全局最优估计。该方法不仅能够保证融合滤波过程的实时性,而且每次滤波过程对系统计算性能的要求相对较小。序贯分布式两阶段Kalman滤波能够按照各传感器局部估计信息到达融合中心的顺序依次对各局部估计信息进行融合处理,当最后一组局部估计信息到达融合中心时,融合中心能够得到基于全局信息的融合估计结果;数值仿真部分验证了本文给出的序贯分布式两阶段Kalman滤波的融合实时性。