卡尔曼滤波经过30多年的研究、应用与发展，已经成为最优估计理论中一种最重要的方法广泛应用于各种领域，并展现出非常广阔而诱人应用前景。本文首先简要回顾了卡尔曼滤波研究的发展历程，介绍了卡尔曼滤波及其在改善数值稳定性，提高计算效率等数值计算方面的研究与发展，然后研究了一种协方差交集算法，并将其应用到多传感器卡尔曼滤波中，取得了较好的结果，对无迹卡尔曼滤波，也作了部分研究。本论文的主要工作：　　 (1)本文讨论了一种提高无迹卡尔曼滤波(UKF)精确度的方法。对于非线性系统，无迹卡尔曼滤波比卡尔曼滤波有更好的滤波效果，但当噪声的影响较大时，无迹卡尔曼滤波的精确度将会减低，如果将观测噪声和系统噪声引入到采样点中，可以增加了无迹卡尔曼滤波的抗干扰性，与常规无迹卡尔曼滤波相比，不仅保持了系统的稳定性，而且提高了精确度。　　 (2)本文研究了将协方差交集算法应用到两传感器稳态卡尔曼滤波中。针对两传感器稳态卡尔曼滤波器的信息融合，目前有三种常用的加权分布式融合算法：按标量加权、按对角阵加权和按矩阵加权，但它们都需要得到局部稳态滤波的误差互协方差阵，才能计算出融合结果，而协方差交集算法在相关度未知的情况下，也能得到一个改进的估值，因此将协方差交集算法应用到两传感器稳态卡尔曼滤波器的信息融合中，在互协方差阵未知的情况下，此方法能得到较好的信息融合结果。　　 (3)本文研究了一种分布式状态融合方法。针对传感器观测的非线性问题，引入了无迹卡尔曼滤波算法，它在稳定性和精确性等方面均高于卡尔曼滤波，进一步，针对其弱可观测性，采用多个传感器分布式融合跟踪策略，数据融合算法采用协方差交集算法，此方法能够达到较好的精度。　　 上述各种方法都进行了MATLAB仿真、分析和比较，结果证明了提出的思想和方法能够取得较好的效果，同时为实际的军事或民用通信领域提出了一种可行方案，具有一定的实用价值和应用背景。