采用CarlsON 最優(yōu)數(shù)據(jù)融合準(zhǔn)則， 將基于Kalman 濾波的多傳感器狀態(tài)融合估計方法應(yīng)用到雷達跟蹤系統(tǒng)。仿真實驗表明，多傳感器Kalman 濾波狀態(tài)融合估計誤差小于單傳感器Kalman 濾波得出的狀態(tài)估計誤差，驗證了方法對雷達跟蹤的有效性。

　　隨著科學(xué)技術(shù)的發(fā)展， 特別是微電子技術(shù)、集成電路技術(shù)、計算機技術(shù)、信號處理技術(shù)及傳感器技術(shù)的發(fā)展， 多傳感器信息融合已經(jīng)發(fā)展成為一個新的研究領(lǐng)域， 并在軍用領(lǐng)域和民用領(lǐng)域均得到了廣泛應(yīng)用。

　　多傳感器信息融合的基本原理如同人腦綜合處理信息的過程， 即充分利用多個傳感器資源， 通過對各種傳感器及其觀測信息的合理支配與使用， 將各種傳感器在空間和時間上的互補與冗余信息依據(jù)某種優(yōu)化準(zhǔn)則組合起來， 從而得出更為準(zhǔn)確、可靠的結(jié)論。

　　現(xiàn)代戰(zhàn)爭的多樣性和復(fù)雜性提出了對信息處理更高的要求， 信息融合可對多傳感器提供的多種觀測信息進行優(yōu)化綜合處理， 從而獲取目標(biāo)狀態(tài)、識別目標(biāo)屬性、分析目標(biāo)意圖與行為， 為電子對抗、精確制導(dǎo)等提供作戰(zhàn)信息。本文將基于Kalman 濾波的多傳感器狀態(tài)融合估計方法應(yīng)用到雷達跟蹤系統(tǒng)。仿真實驗表明， 三個傳感器融合所獲得的估計值都更加貼近于目標(biāo)信號， 因而提高了對雷達系統(tǒng)的跟蹤精度。

　　1 卡爾曼濾波器

　　多傳感信息融合的主要任務(wù)之一就是利用多傳感器信息進行目標(biāo)的狀態(tài)估計。目前， 進行狀態(tài)估計的方法很多，Kalman 濾波器是一種常用方法。Kalman 濾波器在機動目標(biāo)跟蹤中具有良好的性能， 它是最佳估計并能夠進行遞推計算， 即它只需要當(dāng)前的一個測量值和前一個采樣周期的預(yù)測值就能進行狀態(tài)估計。

　　考慮一個離散時間的動態(tài)系統(tǒng)， 它有如下形式：

　　針對動態(tài)系統(tǒng)(1) 和(2) ，Kalman 遞推濾波算法如下：

　　2 多傳感狀態(tài)融合估計算法

　　單采樣率多傳感器狀態(tài)融合估計的研究方法主要有基于概率論的方法、基于Kalman 濾波的方法、基于推理網(wǎng)絡(luò)的方法、基于模糊理論的方法、基于神經(jīng)網(wǎng)絡(luò)的方法， 以及基于小波、熵、類論、隨機集、生物學(xué)靈感、Choquet 積分的方法等等。基于Kalman 濾波的方法由于具有操作簡單、計算量小、實時性強等優(yōu)點， 得到最為廣泛的研究。

　　下面重點介紹基于Kalman 濾波的分布式數(shù)據(jù)融合狀態(tài)估計算法。設(shè)多傳感器系統(tǒng)有如下形式：

　　狀態(tài)向量初始值x(0)為一隨機向量， 并且有：

　　假設(shè)x (0)、w (k) 和v (i，k) 之間是統(tǒng)計獨立的，i =1，2，…，N 表示傳感器。數(shù)據(jù)融合的目的是通過合理利用這些傳感器的觀測信息， 獲得狀態(tài)的最優(yōu)估計值。