随着现代传感技术的发展，不同性能的传感器得到了广泛应用。多速率采样系统已成为当今国内外多传感器系统研究的热点。本文主要针对多传感器多速率采样系统进行异步信息融合滤波算法的研究。对状态以快速率均匀更新、观测以慢速率非均匀采样的离散随机系统设计了一种非增广的滤波算法。其中状态更新率是观测采样率的整数倍。在数据块下，以状态更新点上的状态均值作为观测采样点上的状态值建立观测采样点上的状态模型。应用卡尔曼滤波器推导出了观测采样点上的状态估值，进一步由射影理论推导了状态更新点的状态估值。分析了算法的稳定性和稳态特性。对多传感器系统，基于矩阵加权次优融合估计算法给出了分布式次优融合状态滤波器。对观测在一个状态更新周期内至多采样一次的非均匀采样离散随机系统设计了一种非增广的滤波算法。当观测在状态更新点上采样时，把状态更新点的状态作为观测采样点的状态值；当观测在状态更新点之间采样时，把相邻两状态的平均值作为观测采样点上的状态值。首先，根据前后采样点的关系建立了四种观测采样点状态空间模型；然后，基于射影理论推导出观测采样点和状态更新点的状态估值；最后，对多传感器系统，基于协方差交集（CI）算法给出了次优融合状态滤波器。对观测在一个状态更新周期内至多采样一次的非均匀采样离散随机系统设计了一种非增广的滤波算法。在处理时同样考虑到观测在状态更新点上和在状态更新点之间两种情况，但对观测在状态更新点之间采样时将相邻两状态的加权作为观测采样点上的状态值，应用射影理论推导出局部单传感器的滤波器。对多传感器系统，推导了任意两个传感器子系统间的估计误差互协方差阵，应用线性最小方差矩阵加权融合估计算法给出了分布式最优融合状态滤波器。对状态均匀更新、观测任意采样的系统设计了一种非增广的滤波算法。处理时采用所在状态更新周期端点状态的加权来获得相应的每个观测采样点状态值。基于射影理论提出了观测采样点和状态更新点的状态估值。所提出的估计算法可统一处理单传感器和多传感器系统的最优估计问题。