多传感器信息融合Kalman滤波是信号滤波理论与信息融合理论相结合的产物，采用优化的融合规则和融合方法来实现优化的信息组合的过程，以获得系统状态的更精确的估计。随着精确制导、过程打击，导弹拦截等先进武器系统的出现和发展，迫切要求提高对运动目标(导弹、飞机、卫星、坦克、车辆、舰船)的跟踪精度或对系统状态与信号估计的精度。多传感器系统在此背景下产生发展。在工业控制、海洋监视、机器人、综合导航和管理等领域广泛应用该技术。新一代的舰载、机载、弹载和各种C3I系统也正朝着多传感器信息融合的方向发展。由系统输出信号估计其输入信号叫反卷积或输入估计，广泛应用于石油地震勘探，通讯，信号处理等领域。对多通道多传感器ARMA信号反卷积问题，通过不同阶次的反卷积信号模型转化为补零的状态空间模型的处理方法，提出三种加权(按标量、对角阵和矩阵)融合反卷积Kalman滤波器。将带观测滞后、带白色和/或有色观测噪声的ARMA信号滤波问题转化为反卷积处理，用状态空间方法，把滞后嵌入到状态空间模型中，把信号作为状态的一部分，提出加权融合Kalman信号滤波器。对于带未知互协方差，带观测滞后、带白色和/或有色观测噪声多通道两传感器ARMA信号，提出协方差交叉（CI）融合Kalman反卷积滤波器。Monte-Carlo仿真结果验证了理论精度关系的准确性。大量的仿真例子证明了理论结果的有效性和正确性。