预测控制自20世纪70年代后期提出以来，在工业控制界已经取得很多成功的应用．但由于大多数工业过程都处在噪声环境下，需要采用状态估计的方法来滤除噪声并得到系统状态的估计值和输出的预测值。本文针对线性时不变系统，当系统存在噪声干扰时，运用信息融合Kalman滤波的方法获得系统状态的估计值和输出的预测值，提出了基于信息融合状态估计的预测控制问题。主要研究内容如下： ⑴针对一类噪声环境下的线性时不变系统，研究基于最优信息融合Kalman滤波的预测控制问题．运用线性最小方差意义下的最优信息融合Kalman滤波方法获得状态估计，进而得到输出的N步超前预测值，最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入，仿真实例验证了此方法的有效性。 ⑵针对一类噪声环境下的线性时不变系统，研究基于标量加权最优信息融合Kalman滤波的预测控制问题．运用线性最小方差意义下的标量加权最优信息融合稳态Kalman滤波方法滤除噪声对状态进行估计，只通过一次融合便可求得加权系数，从而避免了每时刻计算加权系数，减小了计算量．仿真实例验证了此方法的有效性。 ⑶针对一类带有干扰的线性时不变系统，研究基于标量加权快速信息融合Kalman滤波的预测控制算法．采用的快速信息融合Kalman滤波采用标量加权，减小了计算负担，并且基于ARMA新息模型求滤波增益，避免了求解稳态Riccati方程，基于Lyapunov方程求解滤波误差方差阵和协方差阵，利用迭代法可以指数收敛速度快速求解Lyapunov方程．仿真实例说明了该算法的有效性。 ⑷将信息融合理论引入到状态观测器的设计中，应用指数加权信息融合的方法将多个观测信息进行融合，得到信息融合状态观测器，并给出了信息融合状态观测器的渐近等价条件和极点配置．仿真实例说明了该算法的有效性。