对于含有未知噪声统计和未知模型参数的多传感器系统，应用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型参数的最小二乘法在线辨识，可估计未知模型参数和噪声方差。在按标量加权线性最小方差最优信息融合准则下，提出了自校正分布式信息融合白噪声反卷积滤波器；提出了ARMA信号两种分布式信息融合自校正Wiener滤波器；并提出了AR信号分布式信息融合自校正Wiener反卷积滤波器。利用最优加权观测融合方法，提出了自校正加权观测融合白噪声反卷积滤波器；提出了ARMA信号自校正加权观测融合Wiener滤波器；提出了AR信号自校正加权观测融合Wiener反卷积滤波器。大量的仿真例子说明了它们有效性和正确性。仿真结果表明，自校正融合器的精度高于每个局部自校正滤波器，且具有渐近最优性，即假如ARMA新息模型的参数估计是一致的，则自校正融合器将收敛于当模型参数和噪声估计已知时的最优融合器。