多传感器信息融合滤波是信息融合和滤波理论结合的产物,主要的目的是对来自每个局部传感器的局部信息和数据进行关联、估计和融合,产生比单独传感器滤波更全面的状态信息或者更准确的估计值。目前基本的信息融合结构分为集中式融合卡尔曼滤波和分布式融合卡尔曼滤波。分布式融合结构的特点是:每个传感器都有各自的处理器,传感器检测回来的数据在进入融合中心以前先在自己的处理器中进行局部估计,然后把局部估计送至融合中心,融合中心根据各节点的局部估计进行数据对准,数据相关和组合滤波,最终形成融合估计。分布式融合卡尔曼滤波比集中式融合卡尔曼滤波计算量更小,结构更灵活可靠,但是经过局部节点后的处理,信息量会有一定损失。集中式融合结构是将所有传感器获取的测量数据都送到唯一的融合中心,在融合中心进行数据对准、数据相关、数据互联和组合滤波。本文提出的多红外传感器可变维数同步融合滤波算法,是在红外传感器个数可变的情况下,以集中式融合的结构,用增广的测量矩阵进行同步融合滤波的算法。在该算法中,使用两个及以上的红外传感器进行同步融合卡尔曼滤波,滤波器不会发散。与其他的红外传感器滤波的方法相比,该算法更加简单实用,如果某个红外传感器产生故障无法提供测量值也能正常运行,容错性能高。对于有雷达和红外共同参与滤波的情况,本文设计了两种算法,分为传感器同步工作和异步工作两种情况。对于异步工作,在红外传感器和雷达采样频率不一致而异步工作的情况下,本文采用了序贯融合滤波的方法,以分布式融合结构,设计了雷达/红外异步传感器序贯融合算法。该算法按照序贯融合的思想,当量测到达时,融合中心可以及时的对待估状态进行估计,而不需要等到所有量测都到达之后再进行集中式滤波,保证了滤波过程的灵活性与实时性,避免了高维增广矩阵的运算,降低了滤波器对系统性能处理的要求。对于同步工作,融合时采用了协方差交叉算法,以分布式的融合结构,能在互相独立的传感器互协方差未知的情况下,得到较高的融合滤波精度,避免了融合卡尔曼滤波器的发散问题。本文将不同数目的雷达与红外同步融合滤波进行对比,仿真实验结果表明滤波精度有很大的提升。