信息融合亦称为多传感器信息融合，是通过对来自多种类传感器的数据进行多级别，多方面，多层次的处理与综合，以期获得比单传感器更丰富，更精确，更可靠的有用的信息。近20年来，随着传感器技术的迅速发展和多传感器系统的大量涌现,多传感器信息融合技术获得了广泛的研究和发展，目前，信息融合，特别是状态信息融合已广泛应用在空中交通管制、国防、海港监控、机器人视觉、遥感、气象预报和智能交通等领域。 稳健性作为信息融合的一个主要优点，它是确保多源参数估计信息的最佳合成问题，是信息融合理论中关键技术之一。稳健性在复杂条件下的信息融合中的重要性更加突出，由于实际恶劣环境中存在野值，色噪，模型匹配等诸多影响系统稳定的因素，甚至可能导致系统崩溃，因此状态融合的稳健性研究是实际系统的应用和理论的发展基础。 本文主要应用小波多分辨率分析方法对状态信息的处理和信息融合问题进行深入研究。本文的研究主要涉及基于小波变换的抗差多速率模型及其算法，多尺度信号滤波和基于多尺度的多源信息融合，色噪声条件下的状态估计等。本文的主要研究成果如下： 1 针对野值的特性进行研究分析，利用小波变换后野值系数的特性考虑，提出从小波域进行野值的检测和剔除，并结合多速率信息抽取，建立了小波域的抗差多速率模型。新的模型首次在小波域将野值的剔除与多速率信息的抽取结合一体，抗差多速率模型具有很强的鲁棒性和实用性。同时引入交互式多模型，给出了抗野值交互式多速率滤波算法，新算法对野值具有很好的鲁棒性，针对机动和非机动情况的状态估计都有满意的效果。 2 对子波域多尺度滤波及信息融合进行了研究。分析了基于小波多分辨率分析的多尺度滤波，通过空间变换证明了多尺度滤波中细节信号处理的必要性和可行性，改进了多尺度滤波算法。新的多尺度滤波算法，充分体现了多尺度分析思想。提出了新的多传感器信息融合算法，新算法基于不同的尺度级进行信息融合，突破了单一尺度融合的局限。通过机动和非机动的实例仿真，表明了理论推导的正确性和该算法的有效性。 3 针对色噪声下的状态估计进行了分析。推导了在色噪声下的系统方程，给出了统一的带白噪的系统观测方程。将色噪声的状态估计转化为ARMA参数的鲁棒辨识问题，避免了扩维滤波。将状态参数的估计归结为色噪声ARMA模型参数的辨识问题，采用鲁棒支持向量机(SVR)辨识ARMA参数，通过最大后验估计推导了SVR的优化，自由参数选取问题，给实际应用提供了有力的指导，实现了ARMA参数鲁棒辨识和系统状态的精确估计。