随着计算机技术、通信技术、多传感器等技术以及“物联网”的快速发展,网络信息融合技术得到了很大的改进和提高,并被广泛应用于军事和民用领域。同时,网络系统的大型化、复杂化和功能多样化使得网络信息融合技术必将面临着诸多新的问题和挑战,因此,开展网络化信息融合理论与方法的研究具有非常重要的理论意义和应用前景。在融合系统中引入有线/无线网络进行数据采集、传输和处理时,将不可避免地遭遇因网络而引起的诸多因素的影响与限制,如信息传输的延迟无序性、网络带宽有限,以及节点测量数据之间的噪声相关性等。因此,解决上述约束条件下的网络融合算法设计已成为传感器信息融合领域研究的热点和难点。针对上述问题,本文致力于研究具有传感器网络数据随机延迟(或无序到达)和带宽有限约束下数据融合算法设计,其主要贡献和创新点如下:(1)以线性时不变或参数预先给定的多传感器目标跟踪系统为对象,利用该类系统的矩阵参数离线计算特性和最优Kalman滤波状态估计的测量值加权求和本质特性,建立一种基于测量值求和的新型多传感器数据融合算法,从而为建立新型计算有效的多传感器同步融合问题提供一个新的思路。(2)多传感器系统的通用时滞Kalman滤波融合算法研究。以多传感器任意随机延迟系统为对象,结合前述建立的测量值加权Kalman滤波融合方法,并利用测量值一步预测估计以及量测新息补偿相结合模式,首先给出两传感器系统的时滞融合算法,而后给出一般通用性的多传感器最优时滞Kalman滤波融合方法。(3)针对一类带宽有限的网络数据融合系统,通过量化测量值建立适用于一般矢量系统的量化方法。然后,引入强跟踪滤波器来处理量化模型不准确的情况,减少估计误差,提高目标跟踪精度。最后,还讨论了不同量化区间和不同带宽比特条件下对滤波器的整体影响。