近年来,传感器网络被广泛的应用到工农业、交通运输业及军事国防等各个领域,处理传感器网络观测数据的多源信息融合技术也迅速崛起。多传感器网络及信息融合技术已成为信息技术领域内的热点研究问题。由于传感器或目标的实际工作环境复杂,系统中不可避免地出现噪声的相关性,主要表现为过程噪声与观测噪声之间互相关,观测噪声之间自相关。这些相关性增加了计算机处理信息融合、对多传感器观测到的目标数据进行综合分析,得出目标状态的难度。针对噪声相关的问题,目前现有的融合估计算法还存在各种限制,如只针对特定步长或某一种噪声相关性进行研究,而对同时存在多种相关噪声有限步相关的场景研究较少。因此,本文拟将分成以下三部分进行研究:(1)针对单传感器系统,包含两类相关噪声均为有限步相关情况下的滤波问题,利用迭代正交变换的思想改写观测,去除了两类相关噪声,再将等价伪量测作为经典Kalman滤波的输入,提出一类有限步噪声相关系统的最优滤波方法。(2)针对多传感器系统,包含两类噪声相关均为一步相关情况下的融合滤波问题,这部分提出一种低维序贯式滤波,在保证精度的前提下,减小矩阵运算复杂度,且保证系统融合估计的实时性。(3)针对多传感器系统,在两类噪声相关均为有限步相关情况下,用两种方法(测量值扩维融合算法和序贯式算法)解决更具一般性的噪声相关场景的融合估计问题。两种算法取得相同的计算精度,并与传统序贯式滤波进行对比,证明算法的可行性和有效性。上述几部分的公式推导都严格按照线性最小均方误差准则进行,可以实现线性最小均方误差意义下的最优估计。