信息融合(Information Fusion)是上世纪80年代兴起的一门信息处理技术,亦称为多传感器信息融合技术,是通过对来自多种传感器的数据进行多级别,多方面,多层次的处理与综合,以期获得比单传感器更丰富、更精确、更可靠的信息。经过二十多年的发展,随着传感器技术的迅速发展和多传感器系统的大量涌现,多传感器信息融合技术已经获得了广泛的研究和发展。目前,信息融合,特别是状态信息融合已广泛应用于空中交通管制、国防、海港监控、机器人视觉、遥感、气象预报和智能交通等领域。稳健性是对信息融合的重要要求之一。然而现有的信息融合算法主要针对理想的环境,很少考虑到现实的恶劣环境。而在实际环境下系统将会受到粗差、干扰等的影响,这些将严重影响信息融合的精确度,甚至在某种情况下该影响将导致系统发散和崩溃。另外,随着科技的发展,系统对复杂背景条件下信息融合精度的要求越来越高,因此为了解决传统的信息融合算法在稳健性上的局限,获取目标状态的精确估计,就迫切需要应用新的理论和工具。本研究即是在此基础上,从抗差估计理论出发,针对当前工程应用中的实际问题,对多传感器状态信息融合的稳健性能进行了深入的研究。本文的主要工作成果包括以下三个方面:(1)对卡尔曼抗差滤波估计的原理进行了分析,并且针对抗差理论中基于M估计的三种权函数,即Huber法,丹麦法和IGG法,从现实中观测数据的分布情况、能否应用和效率三个方面进行了分析。(2)在时域的卡尔曼抗差滤波估计中,由于等价权是置于等价方差的分母上,因此当残差比较大时就很可能出现等价权为零的情况,从而造成滤波的发散,因此IGG方案不适宜卡尔曼滤波稳健估计。本文在时域对IGG方案进行改进并应用于卡尔曼抗差滤波估计当中。仿真实验表明这种自适应的卡尔曼抗差滤波能够抵抗粗差并获得精确的滤波估计性能。(3)首次将IGG抗差方案引入频域,将观测信号中丰富的多速率信