摘要：在本文中，我们首先对数据融合的概念进行了解，以及目前数据融合的研究现状和其未来的应用前景，在此基础上对文中要用到的卡尔曼滤波算法进行介绍，根据卡尔曼滤波算法的基本原理，先对单个传感器的数据进行处理，得到其各个时刻的最优估算值(也称为后验估计值)和最优误差估计。对于多个传感器的数据融合，我们采用的是分布式滤波数据融合算法，这种融合算法是在卡尔曼滤波算法的基础上实现对数据的处理，是对多个传感器的数据进行综合处理，然后得到其融合后各个时刻的最优估算值和最优误差估计。对比多传感器融合处理后的数据和单传感器处理后的数据哪个更接近真实值。使用MATLAB软件编程，可以画出最优估算值和真实值的图形，形象的对比最优估算值和真实值，最后画出最优误差估计。这样也可以对单传感器和多传感器融合的图像进行对比，由图像我们便可以清楚的看到多传感器数据融合处理的优势。

关键词：数据融合，最优估算，MATLAB软件

目录

摘要

ABSTRACT

引言-1

1　数据融合-2

1.1　数据融合的目的和意义-2

1.2　数据融合的基本原理-2

1.3　数据融合的分类-3

1.4　数据融合研究的历史与现状-4

1.5　目前存在的问题及未来发展-5

2　线性系统估计—卡尔曼滤波技术-7

2.1　状态估计基础-7

2.2　线性系统描述-8

2.3　卡尔曼滤波技术-8

2.4　分布式滤波数据融合算法-10

3　仿真结果及比较-14

3.1　仿真图示-14

3.2　仿真结果比较和分析-19

4　总结-20

致谢-21

参考文献-22

附录-23