由于高科技领域和国防的需要,发展起来了多传感器信息融合这门新兴边缘学科,它也称作多传感器数据融合或多源信息融合。多传感器信息融合估计的目的是利用来自多传感器的观测信息,得到系统信号,模型参数和噪声方差的最优估计,它的精度比采用单传感器的估计精度高。　　 对带有色观测噪声的多传感器单通道自回归滑动平均(ARMA)信号,当模型参数和噪声方差已知时,提出了三种最优信息融合滤波器。分别是:基于信息矩阵的最优集中式融合Kalman滤波器；基于Riccati方程的最优加权融合Kalman滤波器；全局最优分布式融合Kalman滤波器。　　 当ARMA信号或有色噪声含有未知模型参数和未知噪声方差时,应用递推辅助变量(RIV)方法和带死区的G-W算法给出未知模型参数的在线局部和融合估值器,利用相关方法给出未知噪声方差的在线局部和融合估值器。它们具有一致性。　　 将上所得到未知模型参数和噪声方差的局部和融合估值器代入到上述三种最优融合滤波器中,提出了相应的自校正信息融合Kalman滤波器,并用动态误差系统分析(DESA)方法,证明了这些自校正融合滤波器按实现收敛于最优融合滤波器,因而具有渐近最优性。