随着传感技术的迅速发展及其面向复杂应用背景的多传感器系统的大量涌现,多传感器信息融合技术获得了众多的研究和较快的发展。目前,多传感器信息融合技术已广泛应用于军事系统及民用领域中,如战场情报、战略防御、海上监控、遥感、气象预报和智能交通等诸多领域。信息融合滤波技术是信息融合理论中的一个非常重要的研究领域,该方法可以利用多个传感器的信息更准确的估计出系统状态。论文主要研究了多传感器信息融合的滤波算法,并深入分析了与之相关的问题。工作成果主要包括三个方面:(1)建立了基于Kalman滤波的信息融合估计模型,给出了集中式与分布式融合结构的信息融合滤波算法。针对Kalman滤波的理想假设条件,主要研究实际系统中有色噪声和噪声相关情况下的Kalman滤波,仿真结果显示,算法很好的解决了有色噪声和噪声相关的问题,有很强的应用价值。(2)建立了基于最小均方误差准则的加权状态融合方法的非线性系统模型,运用无迹卡尔曼滤波(UKF)算法对多传感器系统的状态进行加权融合估计,并通过与基于EKF的加权融合算法的仿真比较,验证了算法的良好性能。(3)建立了信息融合的统一框架,在线性最小方差估计与线性最小二乘估计的基础上,提出了新的修正加权最优信息融合准则。所提出的修正加权融合算法能够获得在线性最小方差意义下的最优估计,和其他三种加权准则相比,提高了融合精度,减小了计算负担,具有广泛的实际应用价值。典型运动仿真例子说明了其有效性。