多传感器信息融合也称多传感器数据融合或者多源信息融合,是指通过综合多传感器或多源信息,从而得到关于系统的更完备、更精确的结论。　　 多传感器信息融合估计是多传感器信息融合的一个重要分支,它利用多个传感器对目标进行检测,从而可以提供比基于单个传感器所得到的局部估计更加精确的融合估计。系统辨识是现代控制理论的一个重要分支,是指通过系统的输入输出确定系统的数学模型。在经典系统辨识理论中,存在两个局限性:一是在大多数情形下没有考虑观测噪声,二是仅考虑单传感器情形。　　 针对经典系统存在的上述两个局限性,本文研究带观测噪声的多传感器ARMA信号系统辨识算法,把多传感器信息融合理论和系统辨识理论结合起来,从而达到提高辨识精度的目的。有重要的理论和实际意义。　　 本文对于带白色观测噪声、白色公共干扰噪声的ARMA模型,带有色观测噪声、白色公共干扰噪声的ARMA模型,带白色观测噪声、有色公共干扰噪声的ARMA模型,以及反卷积系统模型,在含有未知模型参数和噪声方差的情形下,分别提出多段辨识算法。在每一种辨识算法中,首先用递推增广最小二乘(RELS)法或递推辅助变量(RIV)法得到对AR参数的局部估值,并采用平均局部的方法得到融合估值。接着对于不同的情形,使用了相关函数法、带死区的Gevers-Wouters算法与最小二乘(LS)法,得到对噪声方差和MA参数的局部估值。然后采用平均局部的方法得到模型参数和噪声统计的融合估值。对于每一种模型,均证明了融合估计的收敛性。　　 大量仿真例子说明上述算法的有效性。