多传感器信息融合理论方法(1)卡尔曼滤波（KF）卡尔曼滤波处理信息的过程一般为预估和纠正，他对多传感信息融合技术的作用中不仅是个简单具体的算法，而且也是一种非常有用的系统处理方案
事实上，它与很多系统处理信息数据的方法类似，它利用数学上迭代递推计算的方法为融合数据提供行之有效的统计意义下的最优估计，但是对存储的空间和计算要求很小，适合于对数据处理空间和速度有限制的环境下
KF分为分散卡尔曼滤波（DKF）和扩展卡尔曼滤波（EKF）两种
DKF能使数据融合完全分散化，而EKF能有效克服数据处理的误差和不稳定性对信息融合过程产生的影响
(2)人工神经网络法这种方法通过模仿人脑的结构和工作原理以传感器获得的数据为网络的输入，通过网络的训练在相应的机器或者模型上完成一定的智能任务来消除非目标参量的干扰
神经网络法对于消除在多传感器在协同工作中受各方面因素相互交叉影响效果明显，而且它编程简便，输出稳定
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
