1. 研究目的与意义
研究Kalman滤波器相关理论，并将其应用到无线传感器网络数据融合过程当中。
2. 国内外研究现状分析
Kalman滤波是卡尔曼（Kalman）于1960年提出的从与被提取信号有关的观测量中通过算法估计出所需信号的一种滤波方法。他将状态空间的概念引入随机估计理论中，将信号过程视为白噪声作用下的一个线性系统的输出，用状态方程来描述这种输入输出关系。在此后的10多年间，Bucy和Sunahara等致力于研究Kalman滤波理论在非线性系统和非线性观测下的扩展，拓宽了Kalman滤波理论的适用范围。1988年Carlson提出了联邦滤波理论，旨在为容错组合导航系统的设计提供理论。1990年麻省理工学院的Willsky教授和法国数学家Benveniste等提出了多尺度系统理论（MST）。随后，莱特州立大学的Hong、西北工业大学的潘泉以及杭州电子科技大学的文成林等以小波变换为桥梁，将MST与估计理论相结合，提出并发展了多尺度估计理论。近年来发展的贝叶斯滤波，无迹Kalman滤波（UKF），中心分布Kalman滤波（CDKF）和粒子滤波（PF）等滤波方法的提出为非线性滤波问题的解决提供了有效的途径。
3. 研究的基本内容与计划
内容：基于kalman滤波方法的无线网络数据融合方法研究。
主要包括四个方面的内容：kalman滤波原理、无线传感器网络融合的方法、基于kalman滤波的融合方法、kalman滤波在matlab中仿真的实现。
计划：
4. 研究创新点
本文在总结了Kalman滤波方法和无线传感器融合技术的基础上，提出了在无线融合过程中利用Kalman滤波来减小白噪声对融合结果的影响的方法，根据不同的数据融合结构方案给出了多传感器数据融合系统的Kalman滤波算法。根据多传感器数据融合估计知识。建立了基于Kalman滤波的数据融合模型：给出了融合结构的数据融合滤波算法：集中式Kalman滤波算法；并在MATLAB软件中进行了算法仿真演示实。
