针对四轮驱动汽车纵向车速难以直接测量的问题,考虑多源传感器信号置信度动态变化特征,提出一种基于运动学信息融合的纵向车速自适应估计方法.研究行驶环境对车载传感器信息的影响规律,建立基于Kalman滤波框架的运动学信息融合模型,设计面向有色噪声的车速自适应滤波算法,实现对车轮滑移和道路坡度等非随机时变因素的扰动补偿.为兼顾算法稳定性及估计最优性,提出融合衰减记忆因子的强跟踪滤波改进策略,有效避免了极限工况下的滤波发散现象.在Carsim/Simulink联合仿真环境下,采用坡道加速、车轮滑转和双移线等工况验证算法的有效性并与H∞滤波等方法进行对比.开发了处理器在环试验系统,分析算法在嵌入式控制器中运行的一致性和实时性.研究结果表明,所提出的车速自适应估计方法准确性高、稳定性好,与现有方法相比具有更好的工况适应性,估计结果不依赖先验噪声统计特性的获取,实时性能够满足车载控制器要求,解决了复合工况下四驱汽车高精度纵向车速的统一估计问题.