多传感器的数据融合是七十年代以来研究十分活跃的一个领域。从目前的研究状况来看，一般数据融合的研究是按照理论研究和应用研究两个方面来进行的。本文主要研究估计融合方法在多雷达系统和组合导航系统中的应用。 文章首先从系统的实时性、可靠性、精确性等几个方面对多传感器的最优估计融合的一般方法展开讨论，比较了几种次优融合滤波器和最优融合滤波器的优缺点，发现无反馈的次优融合的容错性最好，三种最优融合的全局精度相同，其中的联合滤波器在综合了实时性、精确性和容错性之后是最好的。另外在普通的加权融合的基础上引进两种改进的加权融合算法，精度只比普通的加权融合算法略低，但是实时性又有很大的提高，并对估计中所用的卡尔曼滤波模型误差导致的发散问题展开了讨论。 其次讨论了多雷达系统相对于单个雷达在精确性、生存能力、容错性的改善情况，比较了三种最优融合滤波器（主要是联合滤波器）在多雷达的数据融合中的使用情况，最后从三种滤波器当中选择联合滤波器作为最佳的融合方式应用到多雷达系统当中，对改进过的自适应式的联合滤波器进行研究，发现改进之后的联合滤波器不仅具有全局最优的性能，同时也是局部最优的，这样对联合滤波器的容错性是一个很大的提高。 最后对估计融合技术在组合导航系统中的应用展开了讨论，主要是针对在INS／GPS中使用各种最优融合的结果展开讨论，采用组合GPS与INS组合之后可以很好的克服惯导的漂移误差，将组合系统分解为速度子系统和位置子系统后，因为降低了滤波过程中矩阵的阶，提高了系统的实时性，此外还对一种校正系数不为一的INS／GPS组合系统进行了讨论，这种模式由于校正系数比1小，所以组合系统的最后输出会有少许的漂移，但是随机精度有很大的提高。