多传感器信息融合,也称作多传感器数据融合或多源信息融合,是将面向复杂应用的多传感器系统通过协调传感器彼此间的工作,对多传感器系统的大量信息进行多层次的、多级别的综合处理,从而得出更准确、更完备的结论。而多传感器信息融合估计是多传感器信息融合技术的一个重要的分支,它通过采用多传感器对同一目标进行观测,基于观测所得数据在一定的最优融合准则下,可以得到更为可信,更精确的最优融合估计,其精度要比局部估计高。自校正信息融合滤波是多传感器信息融合与系统辨识相交叉的边缘领域,它可以处理带未知模型参数和噪声统计的多传感器系统信息融合状态与信号估计问题,因此具有重要的理论与实际应用价值。对于带未知噪声系统和不相关噪声的多传感器随机系统,将基于相关方法得到的信息融合噪声方差估值器带入到集中式融合最优信息滤波器,提出自校正集中式融合信息滤波器。同基于Riccatia方程的集中式融合Kalman滤波器相比它避免了计算高维矩阵的逆,从而减少了计算负担。将信息融合噪声方差在线估值器带入到最优分布式融合信息滤波器中,提出自校正分布式融合信息滤波器。同自校正集中式融合Kalman滤波器相比,便于故障诊断与分离。对于含未知模型参数和噪声方差的具有块伴随型多传感器系统,利用多变量递推辅助变量(MRIV)方法和相关方法可得未知参数和噪声方差的融合估值器,将他们代入最优分布式融合信息滤波器中,推出了一种自校正分布式融合信息滤波器。它可用于解决多传感器多通道自回归(AR)信号自校正信息融合滤波应用动态误差方法证明了上述自校正集中式和分布式融合信息滤波器以概率1收敛于相应的最优集中式和最优分布式信息滤波器,因而具有渐近最优性。若干仿真例子证明了它们的有效性。