随着“物联网”、“感知中国”等概念的提出,传感器网络在军事、工农业生产等多个领域的广阔前景又一次被强调和提升。传感器网络的研究和发展得到了国内外学者的广泛关注。其中,传感器网络环境下的信息融合技术研究是一个重要的研究方向。研究网络信息融合技术具有重要的理论意义和实际应用前景。受传感器网络自身物理条件的限制,网络环境下的信息融合在进行信息搜集和综合处理时,面临着诸多新的问题:如节点信息的相关性、异步情况的复杂性、信息传输的无序性等。这些约束条件下的网络融合算法设计与分析,已成为传感器网络信息融合研究的关键和难点问题。本文开展了噪声相关和无序量测约束下网络融合算法的设计与研究,其主要工作如下:(1)在线性最小均方误差(LMMSE)的意义下,提出一种最优的递推式融合估计算法。该方法能最优地处理量测噪声之间自相关、测量噪声与相邻时刻的过程噪声也相关的同步融合估计问题。(2)针对系统噪声相关的异步采样系统,在集中式框架下,提出了一种最优的递归融合估计方法。该方法首先通过伪同步的方法把异步融合问题转化为伪同步融合问题,进而利用解相关等方法解决转化过程中出现的噪声相关性叠加的问题,然后利用递归融合的思想实现LMMSE意义下最优的递归异步融合估计。(3)针对传感器网络中出现的无序量测融合估计问题,采用等价量测和解相关技术有效地将Bar-Shalom提出的最优A1算法推广到多传感器多OOSMs发生一步延迟时的情况,进而得到了一种能实现LMMSE意义下最优的多OOSMs递推融合更新算法。(4)应用于线性时不变系统(LTI)的Kalman滤波器的参数可离线计算。利用这一特性,本文提出了一种基于测量值求和形式的Kalman滤波,并利用该形式的Kalman滤波建立了一种混合滤波器完成LTI系统在出现多个无序量测时的系统状态的滤波估计。该方法完美地体现了LTI系统和LMMSE的双重本质特性。