多传感器信息融合(Multisensor Data Fusion)本质上是人类和其它生物观察世界的一种方法，自然界中的人和动物感知客观世界，不是单纯地依靠一种感官，而是多种感官的综合。人类依靠视觉、听觉、触觉、嗅觉和觉等不同的感官获取客观对象的信息，然后由大脑对这些信息进行加工，得到一种综合的感知。这种把多个感官信启、进行加工的过程就是多传感器信息融合的过程[3]。
美国是数据融合技术起步最早、发展最快的国家。美国国防部早在上个世纪七十年代就资助从事声纳信号理解的融合系统研究。1998年美国国防部将数据融合技术列为九十年代重点开发的10项关键技术之一，且将其列为最优先发展的A类[4] 。美国三军政府组织——实验室理事联席会（JDL）下设的C3技术委员会，专门成立了信息融合专家组来组织和指导有关工作。其他西方国家也相继投入了大量的人力、物力和财力进行研究。特别是海湾战争及科索沃战争以来，该领域的研究进入一个鼎盛时期，致力于该技术研究的专家与学者人数显著增加[5]
目前，数据融合技术在我国已引起广泛的重视，国防科工委于1995年组织了我国第一次关于数据融合技术的专门研讨会。2004年国家自然科学基金委将“多源信息融合的基础理论和方法”列为年度重点资助的项目之一。
近年来，国内一批高校和研究所也开始积极从事这一技术的研究，并出现了一大批理论研究成果。每年有上百篇学术论文发表，并在一些领域应用此技术解决了部分实际问题。另外，一些国家级科技核心期刊如：《电子学报》、《自动化学报》、《控制与决策》、《电子与信息学报》等近年来也大量刊登关于数据融合方面研究成果的论文。国防科技大学、清华大学、南京理工大学、西安电子科技大学、西北工业大学、信息产业部14所、28所等多家军地单位在分布式检测融合，机动目标跟踪，多传感器综合跟踪与定位、分布融合、目标识别与决策信息融合、态度评估与威胁估计等领域积极开展论及应用研究，并在战区指挥自动化，舰队编队信息融合，组网雷达数据处理等领域研究出一批具有初步融合能力的多传感器信息融合系统。
数据融合技术作为一种交叉性极强的科学，几乎与当今所有新的研究方向都有交叠，并融会了这些研究领域最新的科研成果，主要涉及到决策论、认识论、模糊理论、估值论、通信、数字信号处理、计算机科学及人工智能等多个学科。面向对象技术，网络计算、开发的体系结构、分布式处理、定性知识表达和多媒体技术等都是实现数据融合的重要支撑技术。目前，该技术除在军事领域应用外，其研究成果已扩展到自动控制，生产过程监控、导航、基于环境的复杂机械文护和检测、现代化管理以及多媒体系统等多种领域，并表现出十分巨大的研究价值和应用潜力。

1.2航迹融合算法发展概况

   多传感器跟踪技术主要包含数据关联和目标状态的融合估计。前一方面提供量测与目标的对应关系，即量测与航迹的关联，主要问题是数据关联的正确性；后一方面提供跟踪需要的状态估计（预测）值，主要研究的问题是融合估计的精度。本文主要研究多传感器目标跟踪中的状态融合估计问题。
从融合算法上分，有基于状态的融合和基于量测的融合，也可称为分布式状态融合算法和集中式融合算法[6]。集中式融合算法还可分为两种，一种是用线性加权的方法，一种是直接将各个量测信息合并组成一个扩展的量测数组。Willner等人提出了集中式多传感器Kalman滤波算法[7]。理论上集中式融合可获得最优的融合性能，但分布式融合由于对资源需求相对较低且可靠性和可扩展性较高而成为研究的热点，它是非常有效的数据处理方法。由共同模型过程噪声或反馈产生的共同先验估计所导致的各传感器局部估计误差之间的相关性及其对融合性能的影响，是分布融合算法的重点和难点[8]。在假设各个状态的估计是相互独立的前提下，Singer R首次研究了多传感器航迹数据融合问题，其基本思想是从信息解耦的角度出发，通过信息图识别先验信息，进而在融合算法中删除先验信息，以避免先验信息对融合估计造成双重影响[9]。 多传感器异步数据融合问题研究(2):http://www.youerw.com/zidonghua/lunwen_2166.html