近年来,广义系统状态估计问题由于它在电网络、经济系统、机器人、航空航天等领域有广泛的应用背景,因而引起人们的极大关注。非广义系统信息融合滤波在许多领域已获得了广泛的应用。但是,广义系统多传感器信息融合状态估计问题是一个尚未解决的问题。本文对带多传感器的广义线性离散定常随机系统,用五种不同方法分别将广义系统状态方程化为统一的不同形式的非递推表达式,它们由输入白噪声、观测白噪声和观测的线性组合构成,从而将广义系统状态估计问题化为白噪声估计和观测预报问题。应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型和白噪声估计理论,在线性最小方差按矩阵加权、按对角阵加权和按标量加权三种最优信息融合准则下,分别提出了加权融合Wiener状态估值器,可统一处理融合滤波、预报和平滑问题,可处理非因果广义系统。为了计算最优加权,基于新息过程,输入白噪声和观测白噪声之间的互协方差,提出了局部估计误差互协方差阵的计算公式。按矩阵加权融合器的精度高于按标量加权融合器的精度,而按对角阵加权融合器的精度在它们两者之间,且融合器的精度高于每个局部状态估值器的精度。大量Monte Carlo数值仿真例子说明所提出的融合器的有效性和正确性。