随着信息技术的快速发展,面向各种复杂应用背景的多传感器信息融合系统应运而生,信息融合技术的研究也愈加受到重视。其中,系统能否准确掌握传感器的实际探测精度,对融合技术中数据关联的参数选择、合成算法的权重分配等环节都十分重要,对融合性能影响巨大。然而,在目标位置真值未知或者高精度的位置测量值难以获取的情况下,传感器很难凭借自身对目标的测量数据准确估计其探测精度。论文依靠多传感器对共同目标探测信息的内在冗余性,提出了一种传感器精度在线估计方法,基于统计矢量的统计特性构造参数相关的目标函数,利用改进的遗传算法估计传感器的精度参数,并设计多组仿真实验进行对比,分析影响估计效果的各种因素。论文的主要研究工作如下:(1)通过对多平台多传感器融合系统的测量问题建模分析,构造多传感器测量偏差的统计矢量来描绘多传感器测量数据的统计关系,证明了统计矢量在参数估计结果与预设情况一致时服从标准正态分布的特性,根据该统计特性及相应的参数估计方法构造目标函数,将传感器的精度估计问题转化为统计检验和最优化问题。(2)根据对目标函数值与参数关系分布图的分析,选择遗传算法解决以传感器精度估计为背景的优化问题,针对基本遗传算法的不足进行交叉算子、变异算子的自适应改进和精英选择策略的引用,分别将基本的遗传算法和改进的遗传算法应用到传感器精度参数的估计问题,通过对比仿真实验的结果,表明改进的遗传算法收敛性更好,对传感器的距离精度、方位精度估计结果也更加准确。(3)针对影响传感器精度估计结果的因素,包括目标函数的设计方法、测量数据的数据量、目标分布的距离等,采用控制变量的方法,进行多组不同设置的仿真实验,通过对比分析给出结论,得到对于传感器的探测精度估计更加有利的场景,提高了精度估计结果的准确性。论文的研究结果表明,基于统计矢量、统计检验和最优化的估计方法能够在线、有效地完成在目标真值未知情况下的传感器精度参数估计,并且传感器的观测数据越多,精度估计结果越准确。