已給出的數(shù)據(jù)融合概念的定義都是功能性的。美國國防部從軍事應(yīng)用的角度將數(shù)據(jù)融合定義為這樣的一個過程，即把來自許多傳感器和信息源的數(shù)據(jù)和信息加以聯(lián)合、相關(guān)和組合，以獲得精確的位置估計和身份估計，完整而及時的戰(zhàn)場態(tài)勢和威脅估計。這一定義基本上是對數(shù)據(jù)融合技術(shù)所期望達到的功能的描述，包括低層次上的位置和身份估計，以及高層次上的態(tài)勢評估和威脅估計。
其中 是 維輸入向量， 是 維過程噪聲，也滿足一定的概率分布，通常為Gauss白噪聲。
本章所討論的問題是：假設(shè)被估計量X滿足動態(tài)方程(2.1.3)式或(2.1.4)式，已知k次量測值 ，對k時刻的狀態(tài)向量X(k)進行最優(yōu)估計。
目標(biāo)識別級融合----目標(biāo)識別亦稱屬性分類或身份估計，對觀測體進行識別和表征。如使用雷達截面積（RCS）數(shù)據(jù)來確定一個實體是不是一個火箭體、碎片或再入大氣層的飛船。敵-我-中識別器（IFFN）使用特征波形和有關(guān)數(shù)據(jù)對觀測體判斷，是敵機、友機還是不明。
目標(biāo)識別層也稱屬性層的信息融合有三種方法：決策級融合、特征級融合、數(shù)據(jù)級融合。
現(xiàn)在考慮局部節(jié)點估計與傳感器測量位于不同坐標(biāo)系的情況。設(shè)傳感器i在局部節(jié)點笛卡爾坐標(biāo)系中的三個位置分量為 ，并假定目標(biāo)的位置坐標(biāo)分量（x，y，z軸分量）包含在測量向量中。于是，令
為傳感器i的狀態(tài)坐標(biāo)偏移量在局部節(jié)點j笛卡爾坐標(biāo)系中的增廣向量。那么傳感器i在局部節(jié)點j笛卡爾坐標(biāo)系中k1時刻的觀測為
由2．3節(jié)的結(jié)果可知，局部節(jié)點j中的第i個傳感器的Kalman濾波方程為
Edward Walts和Jame Linas對上述定義進行了補充和修改，用狀態(tài)估計代替位置估計，并加上了檢測功能。
關(guān)于數(shù)據(jù)融合研究的范圍現(xiàn)在尚無定論，以軍事應(yīng)用為目標(biāo)的數(shù)據(jù)融合技術(shù)也可用于工業(yè)和農(nóng)業(yè)等其他領(lǐng)域。
必一運動
(1)生存能力強----在有若干傳感器不能利用或受到干擾，或某個目標(biāo)/事件不在覆蓋范圍時，總會有一種傳感器可以提供信息。
未來戰(zhàn)爭將是作戰(zhàn)體系間的綜合對抗，在很大程度上表現(xiàn)為信息戰(zhàn)的形式。而建立具有合成作戰(zhàn)的指揮能力和智能化的決策指揮能力的指揮控制系統(tǒng)的瓶頸是數(shù)據(jù)融合技術(shù)。因此，關(guān)于多傳感器數(shù)據(jù)融合理論和技術(shù)的研究對于我國國防建設(shè)具有重要的戰(zhàn)略意義和社會意義。
按照信息抽象的五個層次，融合可分為五級，即檢測級融合、位置級融合、屬性級融合、態(tài)勢評估和威脅評估。
檢測級融合----直接在信號層上進行的融合或者在檢測判決層上進行的融合。分別對應(yīng)集中式檢測融合和分布式檢測融合。
位置級融合----直接在觀測報告或測量點跡上進行的融合或在各個傳感器狀態(tài)估計上進行的融合。分別對應(yīng)著集中式位置融合和分布式位置融合。
在未來戰(zhàn)爭中，電磁環(huán)境將異常復(fù)雜，無論是空戰(zhàn)、海戰(zhàn)還是陸戰(zhàn)以至于陸、海、空相結(jié)合的立體戰(zhàn)爭，都將日益依賴于各種傳感器設(shè)備。在實戰(zhàn)中，傳感器將受到各種欺騙和干擾，檢測目標(biāo)的數(shù)量日益增多，運動速度越來越快，而且多數(shù)目標(biāo)采用隱身技術(shù)和低空/超低空突防技術(shù)，使傳感器難以捕獲和跟蹤。這種現(xiàn)狀是數(shù)據(jù)融合作為一種特殊的作戰(zhàn)手段已滲透到幾乎所有軍事部門和各個作戰(zhàn)領(lǐng)域，數(shù)據(jù)融合已不僅是高技術(shù)戰(zhàn)爭的先導(dǎo)，而且貫穿于戰(zhàn)役的全過程，深刻地影響著戰(zhàn)爭的進程和結(jié)局。
為局部節(jié)點j位置坐標(biāo)的增廣向量，則節(jié)點j在融合中心坐標(biāo)系中k1時刻的局部廣義測量向量為
現(xiàn)在把離散Kalman濾波理論應(yīng)用于式（3.1）和式（3.2）構(gòu)成的線性系統(tǒng)，則局部節(jié)點 的集中狀態(tài)估計方程為
其中 是n維向量，表示k時刻的狀態(tài)向量， 是k時刻 階的狀態(tài)轉(zhuǎn)移矩陣， 為（已知） 維輸入或控制信號（向量）， 為 階輸入矩陣, 為 維過程噪聲分布矩陣， 為n維過程噪聲，滿足Gauss白噪聲，并且
量測方程(2.1.1)式仍是線)降低了信息的模糊度----多傳感器的聯(lián)合信息降低了目標(biāo)/事件的不確定性。
(6)改進了探測性能----對目標(biāo)/事件的多種測量的有效融合，提高了探測的有效性。
(7)提高了空間分辨率----多傳感器可以獲得比任何單一傳感器更高的分辨率。
(8)增加了測量空間的維數(shù)----使用工作在不同頻段的傳感器可以測量陸、海、空、天等多維空間目標(biāo)，同時不宜受到敵方行動或自然現(xiàn)象的破壞。
估計與量測有關(guān)。從上述狀態(tài)估計問題的提法可以看出，在狀態(tài)估計問題中，被估計量----狀態(tài)向量和量測量均是隨時間變化的，這樣狀態(tài)向量與量測量之間在時間上就有不同的對應(yīng)關(guān)系。以離散時間系統(tǒng)為例，設(shè) 為已知j和j以前時刻的量測值，對k時刻狀態(tài)X(k)作出某種估計。
其中， 是k時刻目標(biāo)的狀態(tài)向量， 是零均值白高斯過程噪聲向量， 是狀態(tài)轉(zhuǎn)移矩陣， 是過程噪聲分布矩陣。初始狀態(tài)X（0）是均值為μ和協(xié)方差矩陣為P0的一個高斯隨機向量，且 。
其中，M是局部節(jié)點數(shù)，N j是局部節(jié)點j的傳感器數(shù)。局部節(jié)點j傳感器i的測量方程可表示為
下面要討論的動態(tài)系統(tǒng)是離散的和線)式中的f是線性函數(shù)，也就是說，狀態(tài)方程滿足
一般的監(jiān)視和跟蹤系統(tǒng)中，其目標(biāo)運動和傳感器測量方程都是線性的，過程與測量噪聲是相互獨立的，并且系統(tǒng)模型中不含控制項。為了討論問題的方便，下面再次描述目標(biāo)運動、傳感器測量和單傳感器Kalman濾波方程。
設(shè)有動態(tài)系統(tǒng)，它滿足一定的數(shù)學(xué)模型(如公式2.1.3)，其有關(guān)隨機向量滿足一定的統(tǒng)計性質(zhì)。所指系統(tǒng)的狀態(tài)估計問題就是根據(jù)選定的估計準(zhǔn)則和已獲得的量測信息(如公式2.1.1,2.1.2)，對系統(tǒng)進行估計，其中狀態(tài)方程確定了被估計量的隨機狀態(tài)過程。
在決策級融合方法中，每個傳感器都完成變換以便獲得獨立的身份估計，然后再對來自每個傳感器的屬性分類進行融合。
在特征級融合方法中，每個傳感器觀測一個目標(biāo)并完成特征提取以獲得來自每個傳感器的特征向量。然后融合這些特征向量并獲得聯(lián)合特征向量來產(chǎn)生身份估計。
在數(shù)據(jù)級融合方法中，對來自同質(zhì)傳感器原始數(shù)據(jù)直接進行融合，然后基于融合的傳感器數(shù)據(jù)進行特征提取和身份估計。（如多源圖像復(fù)合，同質(zhì)雷達的波形的直接合成）
其中 是m維向量，表示k時刻的量測向量， 是 階量測矩陣， 是m維量測噪聲，并滿足Gauss白噪聲，有
多傳感器數(shù)據(jù)融合的基本原理就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各傳感器在空間和時間上的互補與冗余信息依據(jù)某種優(yōu)化準(zhǔn)則組合起來，產(chǎn)生對觀測環(huán)境的一致性解釋和描述。多傳感器數(shù)據(jù)融合與經(jīng)典的信號處理方法之間有著本質(zhì)的差別，其關(guān)鍵在于信息融合所處理的多傳感器信息具有更復(fù)雜的形式，而且通常在不同的信息層次上出現(xiàn)。這些信息抽象層次包括檢測層、位置層、屬性層、態(tài)勢層和威脅層。
狀態(tài)估計理論的目的是對目標(biāo)過去的運動狀態(tài)進行平滑、對目標(biāo)現(xiàn)在的運動狀態(tài)濾波和對目標(biāo)未來的運動狀態(tài)進行預(yù)測，這些運動狀態(tài)包括目標(biāo)位置、速度和加速度等。本章討論在多傳感器跟蹤系統(tǒng)中廣泛應(yīng)用的狀態(tài)估計技術(shù)，這些方法是多傳感器信息系統(tǒng)的最基本要素，也是形成多目標(biāo)自適應(yīng)跟蹤濾波的前提和基礎(chǔ)。
(2)擴展了空間覆蓋范圍----通過多個交疊的傳感器作用區(qū)域，擴展了空間覆蓋范圍，一種傳感器可以探測到其他傳感器探測不到的地方。
(3)擴展了時間覆蓋范圍----用多個傳感器的協(xié)同作用提高檢測概率，某個傳感器可以探測到其他傳感器不能顧及的目標(biāo)/事件。
在今后所討論的隨機估計問題中，用 維向量 表示被估計參數(shù)，用 維向量 表示量測值，通常假設(shè)量測值Z與估計量X滿足關(guān)系式
這里 是指 時刻， 是 維量測噪聲并滿足一定概率分布，通常是滿足Gauss白噪聲。
對 進行估計，其估計值為 。當(dāng)被估計量X不隨時間變化時，則稱對參數(shù)X的估計為靜態(tài)估計。當(dāng)參數(shù)X隨時間變化時，一般認為X滿足某一動態(tài)方程
由第1章的描述可知，在多傳感器信息融合系統(tǒng)中，就位置（空間）級融合系統(tǒng)的結(jié)構(gòu)而論有集中式、分布式結(jié)構(gòu)。所謂信息融合主要有兩項任務(wù)，其一是點跡-航跡互聯(lián)和／或航跡與航跡關(guān)聯(lián)問題，其二是目標(biāo)狀態(tài)的估計和/或航跡融合問題。在第4章中研究航跡關(guān)聯(lián)算法，本章中，3．2節(jié)描述線性離散集中式多傳感器融合系統(tǒng)中的狀態(tài)估計，3．3節(jié)討論線性離散分布式多傳感器融合系統(tǒng)中的狀態(tài)估計。
