随着计算机技术的发展,多传感器信息融合技术因其具有良好的估计和跟踪能力逐渐成为国内外学者的研究热点。多传感器信息融合技术是指将多个传感器的信息通过特定的方法结合在一起,达到对目标状态更准确的估计和描述。由于传感器故障和通信带宽受限等不确定性因素无法避免,这往往使得多传感器系统的处理中心所收到的数据具有随机传输滞后等现象。同时,在不同应用场景下,各传感器可能有不同的采样速率。这些因素都会导致传感器数据出现异步问题。本文针对多传感器异步采样系统,在线性无偏最小方差准则下研究了分布式最优递推线性融合估计问题,主要研究内容如下:针对带不相关噪声的多传感器异步均匀采样线性离散系统,分别通过伪观测法和迭代状态方程法将其同步化,给出了相应的局部滤波器、局部估值之间的估计误差互协方差阵,推导了先验融合估值与局部估值间的估计误差互协方差阵。进而提出了不带反馈的分布式最优递推线性融合滤波器。所提出的融合滤波算法比局部估计按矩阵加权融合滤波算法具有更高的融合精度,但与集中式融合精度相比具有一定的精度损失。为了进一步改善估计精度,又提出了与集中式融合精度相同的带反馈的分布式最优递推线性融合滤波器,证明了其最优性。针对带相关噪声的异步均匀采样多传感器线性离散系统,通过伪观测法将其转化为同步系统。分别给出了具有递推形式的局部预报器、局部滤波器、局部估计误差方差阵和局部估计间的误差互协方差阵。推导了分布式最优递推线性融合预报估计与局部估计间的误差互协方差阵。进而提出了不带反馈和带反馈的分布式最优递推线性融合算法。证明了在初值相同的情况下,带反馈的融合估计与集中式融合估计具有相同的估计精度,即具有最优性。针对非均匀采样的多传感器异步线性离散系统,通过状态加权法将系统同步化,给出了异步非均匀采样系统的局部滤波器和局部估值间估计误差互协方差阵。进而提出了不带反馈的和带反馈的分布式最优递推线性融合滤波算法。仿真实例验证了所提出算法的有效性和带反馈的分布式最优递推线性融合滤波器的最优性。