随着传感器技术、通信技术的发展,对各种面向复杂应用背景的多传感器系统的研究越来越受到人们的关注,在多传感器系统中,状态融合估计是多传感器信息融合理论的一个非常重要的研究领域,如何利用多个传感器的信息更准确的估计出系统状态,在跟踪领域及需要精确估计的其它领域应用十分广泛。本文的研究内容是多传感器信息融合理论的中的最优估计与融合算法理论,并对与之相关的常见问题进行了深入的分析和研究。首先介绍了实际应用中比较常见的系统结构,详细的阐述了在分布式和集中式系统结构下的最优融合算法,并对其性能进行了比较分析。论文系统的研究了各个测量传感器相关的多传感器融合系统,对于测量噪声相关矩阵是确定的,且该矩阵可以通过相似变换变成对角阵的多传感器系统,给出了最优的集中式、分布式估计,并再此基础上,提出了一种与集中式最优融合估计等价的新算法,在条件满足的情况下,这种算法可以减少计算量,有一定的实用性。仿真结果验证了其与集中式最优融合估计算法的等价性。针对非线性动态系统的状态融合估计问题,介绍了在最小均方误差(MMSE)条件下的加权方法,并且提出了基于无迹卡尔曼滤波(UKF)的加权融合算法,研究表明这种融合算法能够克服扩展卡尔曼滤波(EKF)在状态融合估计中的不足,可以得到更为准确的状态融合估计结果,并且通过两种融合算法的仿真实验对比验证了基于UKF加权融合算法的良好性能。