基于线性最小方差（LMV）意义上标量加权的最优融合算法，针对具有多个传感器和相关噪声的离散时间随机奇异线性系统，给出了包括预测器，滤波器和平滑器在内的分布式最优融合降阶卡尔曼估计器。 。 原始高阶奇异系统的融合估计问题转移到两个降阶子系统的融合估计问题。 与每个传感器的任何局部估计器相比，它们的精度更高。 分别为两个降阶子系统推导任意两个传感器子系统之间的估计误差互协方差矩阵。 此外，还研究了稳态融合估计量，这些估计量减少了在线计算量。 具有三个传感器的仿真示例显示了有效性。