采用Carlson最优数据融合准则，将基于Kalman滤波的多传感器状态融合估计方法应用到雷达跟踪系统。仿真实验表明，多传感器Kalman滤波状态融合估计误差小于单传感器Kalman滤波得出的状态估计误差，验证了方法对雷达跟踪的有效性。

摘要： 采用Carlson 最优数据融合准则， 将基于Kalman 滤波的多传感器状态融合估计方法应用到雷达跟踪系统。仿真实验表明，多传感器Kalman 滤波状态融合估计误差小于单传感器Kalman 滤波得出的状态估计误差，验证了方法对雷达跟踪的有效性。 　　随着科学技术的发展， 特别是微电子技术、集成电路技术、计算机技术、信号处理技术及传感器技术的发展， 多传感器信息融合已经发展成为一个新的研究领域， 并在军用领域和民用领域均得到了广泛应用。 　　多传感器信息融合的基本原理如同人脑综合处理

在多传感器目标跟踪系统中，由于异质传感器能实现优势互补，将其数据进行融合，可提高对空中目标的跟踪精度。异质传感器信息融合是数据融合实际应用中的一个重要内容，因为在实际的系统中，经常遇到利用3D雷达（测量值为距离、方位和俯仰）、2D雷达（距离和方位）、被动雷达（方位和俯仰）、测高雷达（俯仰）和ESM（方位）等传感器对目标进行跟踪，利用这些传感器进行融合可获得更、更完全的目标状态估计。 　　异质多传感器融合是数据融合中一个重要内容，文献［1］研究了利用2D主动雷达和红外传感器对高机动目标进行跟踪，

摘要： 采用Carlson 数据融合准则， 将基于Kalman 滤波的多传感器状态融合估计方法应用到雷达跟踪系统。仿真实验表明，多传感器Kalman 滤波状态融合估计误差小于单传感器Kalman 滤波得出的状态估计误差，验证了方法对雷达跟踪的有效性。 　　随着科学技术的发展， 特别是微电子技术、集成电路技术、计算机技术、信号处理技术及传感器技术的发展， 多传感器信息融合已经发展成为一个新的研究领域， 并在军用领域和民用领域均得到了广泛应用。 　　多传感器信息融合的基本原理如同人脑综合处理信息