前言
Preface

20世纪70年代，一门新兴的学科——多传感器信息融合（Multisensor Information Fusion，MSIF）迅速地发展起来，并在各种武器平台上及民事领域得到广泛应用。近年来，随着计算机技术、通信技术的发展，特别是军事上的迫切要求，多传感器信息融合技术得到了迅速发展，并引起了世界范围内的普遍关注。信息融合技术首先应用于军事领域，包括现代C3I（指挥、控制、通信与情报）系统和各种武器平台上；在地质科学领域，信息融合应用于遥感技术，包括卫星图像和航空拍摄图像的研究；在机器人技术和智能航行器研究领域，信息融合主要被应用于机器人对周围环境的识别和自动导航；信息融合技术也被应用于医疗诊断和人体模拟及一些复杂工业过程控制领域。信息融合作为一门跨学科的综合信息处理理论，涉及系统论、信息论、控制论、人工智能和计算机通信等众多领域和学科。

几乎所有真实存在的系统内部都含有非线性环节。非线性系统形式复杂多样，不确定因素较多，不满足均匀性和叠加性，使得经典控制理论、线性控制理论及Kalman滤波等经典控制理论和方法难以应对。早期非线性系统的处理方法多是以Taylor级数为基础的线性化方法。但由于Taylor级数收敛条件等因素的影响，很多基于Taylor级数的算法存在不稳定或者发散的情况。近年发展起来的依概率逼近的滤波方法得到了很多学者的关注，其中较为经典的估计算法包括：粒子滤波、无迹Kalman滤波、容积Kalman滤波等。线性系统的多传感器融合问题经过了几十年的发展，基本形成了一套较为完整的理论体系结构。但是应用领域更为广泛的非线性系统的融合估计问题一直没有得到很好的发展。本书以非线性多传感器系统的融合估计为主要研究对象，首先总结了非线性系统常用的估计理论及方法，进而介绍了几种适用于非线性多传感器系统的融合估计方法。

本书共8章。第1章为绪论；第2章为一般非线性系统滤波方法及性能分析；第3章为线性系统的多传感器自校正加权观测融合Kalman滤波器；第4章为非线性系统的最优和自校正加权观测融合UKF滤波器；第5章为基于Taylor级数逼近的非线性系统加权观测融合估计理论；第6章为基于Gauss-Hermite逼近的非线性系统加权观测融合估计算法；第7章为噪声相关的非线性系统加权观测融合估计算法；第8章为多传感器加权观测融合Kalman滤波器的预测控制算法。本书第1章～第4章由郝钢执笔，第5章～第8章由李云执笔，参考文献由李云整理，全书由郝钢统一定稿。

本书的出版曾得到国家自然科学基金项目（61503127和61573132）和黑龙江省信息融合估计与检测重点实验室资助，笔者深表感谢。同时感谢黑龙江大学博士生导师邓自立教授和孙书利教授多年来对笔者的指导和帮助，感谢哈尔滨工程大学博士生导师叶秀芬教授多年来对笔者的指导和帮助。最后，还要感谢电子工业出版社刘小琳编辑对本书出版所做的大量工作。

由于作者水平有限，书中缺点和疏漏之处在所难免，望读者批评指证。