系统辨识是控制理论的一个重要分支。结合多传感器信息融合技术和系统辨识技术而产生的多传感器信息融合辨识方法是系统辨识领域新的发展方向。经典的系统辨识方法有两大局限性:主要对不带观测噪声的系统模型进行辨识或者仅考虑在单传感器下对带有观测噪声的系统模型进行辨识。多传感器信息融合辨识方法将克服这些局限性。其目的是对多个传感器的观测数据进行融合处理,得到模型参数和噪声方差的最佳估计,其辨识精度高于单个传感器的辨识精度。同时,这方面的研究也是设计多传感器系统自校正信息融合滤波器的基础,因此具有重要理论和应用意义。　　 本文对于带白色观测噪声、有色或白色公共干扰噪声的多传感器多通道AR或ARMA信号系统,当模型参数和噪声方差未知时,提出了信息融合多段辨识方法。　　 分别对于带白色观测噪声、白色公共干扰噪声、以及带传感器偏差的多传感器多通道AR或ARMA模型,对于带白色观测噪声、有色公共干扰噪声的多传感器多通道AR或ARMA模型,对于带白色观测噪声、白色公共干扰噪声的多传感器多通道ARMA信号反卷积模型,当模型参数、传感器偏差和噪声方差未知时,提出了相应的信息融合多段辨识方法。利用多维RIV算法、多重RIV算法、多维RELS算法、多重RELS算法或MBCRLS算法辨识AR模型参数以及传感器偏差,得到他们的局部估值器；用带死区的G-W算法以及最小二乘(LS)法辨识MA模型参数,得到他们的局部估值器；利用相关函数和带死区的G—W算法辨识噪声方差,得到噪声方差的局部估值器。同时对这些局部估值器求算术平均,便可到其相应的信息融合估值器。这些局部和融合估值器都具有一致性,即以概率1收敛于其相应的真实值。仿真例子验证了上述信息融合多段辨识方法的有效性和正确性。