敬忠良[19]等分别从平台级融合与系统级融合的角度讨论了多平台多传感器多源信息融合中的时空对准的一般方法，给出一种适用于最优估计的平台间对准方法的数学模型。利用极大似然算法对多传感器进行配准处理，估计精度高，适用范围广，解决了最小二乘配准算法中的一致性问题和多平台配准时存在的局限性。
朱永杰[20]等利用 滤波器预测的目标数据，再结合同一目标已有的估计值，采用三点抛物线插值法进行时间配准，达到融合中心实时配准的目的。即采用 滤波器算法与三点抛物线插值法相结合的时间配准方法，结合雷达数据处理的特点，利用方位文波门相关算法，减少无效的时间配准运算，增强了时间配准运算的有效性。作者提出在配准前增加粗相关的过程，使需要进行配准运算的航迹数量减少，从而减少无效的时间配准运算。
李学永、周俊[18]针对多传感器数据融合系统中观测数据时间不同步的问题,采用自适应α-β滤波算法与 插值法相结合进行时间配准。以 插值法为时间配准的工具，结合传感器在目标跟踪过程中用自适应 算法得到的预测数据，实时配准刚刚测得的目标状态数据，解决融合系统中的实时性问题。算法中使用了最近两点估计值和下一点预测值，这些点在常系数滤波跟踪系统中是现成的数据，利用这些现成的数据进行插值配准，实时性强，速度快，且在实时性上具有明显优势。但此方法只仿真了一种比较理想的情况，有关于利用此方法进行配准时所产生的误差对系统融合精度的影响，还有待进一步研究。
目前在实际应用中较常采用的是内插外推法和最小二乘虚拟法，但这两种方法在算法处理时间间隔内采用的目标运动模型为匀速直线运动，比较适合目标速度恒定或缓慢变化的情况。而在实际的多传感器应用中，观测目标的机动性较强、运动轨迹较复杂，匀速直线运动模型与实际运动状态相差较大，所以时间配准误差较大，不能满足对配准精度要求较高的应用场合。同时现有的时间配准方法，多数是在观测数据上直接进行时间配准，没有考虑观测数据本身的测量误差对配准后数据精度的影响，而且在进行时间配准处理时没有考虑配准的实时性，使得多传感器系统融合处理后的状态滞后于目标的实际运动状态。 时间配准国内外研究现状(2):http://www.youerw.com/yanjiu/lunwen_7600.html