多传感器数据融合技术是利用多传感器探测目标以获取多方面信息,得到比单一传感器更准确的目标状态估计。尽管数据融合兼有信息的冗余性与互补性等显著优点,但由于目标环境的不确定性、传感器资源的相对不足以及传感器的本身限制等因素,都需要对传感器资源进行协调分配,以使系统取得整体性能最优。此外,伴随数据融合研究的深入,传感器管理有必要作为一个单独部分来进行研究。因此,本文基于信息论对传感器管理的有关理论和方法进行了系统研究,其主要贡献如下: 1. 阐述了数据融合的概念,详细介绍了数据融合闭环系统的构成、功能以及其中各模块的性能,陈述了传感器管理问题提出的必要性;从系统角度出发,着重研究了传感器管理理论,其中包括概念、系统设计的原则、管理范围、功能、任务及算法;针对有限的传感器资源,阐明了目标权重提出的必要性。 2. 基于目标的统计特性,为使传感器资源分配的充分必要条件得到满足,提出了目标权重和信息增量相结合的方法;分析了信息熵对数定义和交互式多模型滤波的不足,并分别从熵的不同定义、滤波的不同模型等角度进行了算法对比研究和分析。 3. 基于目标的运动特性,分析了机动目标的概率密度不仅在量测时刻被更新而且在量测之间也发生变化;详细研究了空中机动目标检测的传感器管理问题。 4. 针对非线性系统中的状态最优估计问题,分析了序贯蒙特卡洛粒子滤波方法;提出将该方法用于解决非线性融合系统中的传感器管理问题。