本书聚焦当今多源信息融合技术的研究热点，主要讨论基于传感器网络的一致性卡尔曼滤波器的设计与稳定性分析问题。本书分为两个部分内容：第一部分为第1～6章，主要讨论几类一致性卡尔曼滤波算法的稳定性分析，研究了基于传感器网络的可观性问题，先后提出了共同（完全）一致可观性、加权一致可观性及联合一致可观性等新颖的可观性（可检性）定义：第二部分为第7、8章，重点考虑了一致性卡尔曼滤波器的设计与应用，主要研究了在UKF框架下的一致性滤波器的设计问题。
本书可供多传感器信息融合、控制与信号处理领域的科研工作者，以及理工科高等院校相关专业高年级本科生、研究生及教师阅读与参考。

前言
符号表
常用术语缩写表
第1章 绪论
1.1 研究背景、研究动机及研究问题
1.1.1 多传感器融合
1.1.2 一致性滤波
1.1.3 分布式状态估计的可观性和可检性问题
1.2 内容提纲
1.2.1 内容概述
1.2.2 每章内容
1.2.3 本书特色
第2章 预备知识
2.1 图论初步知识
2.2 可观性与可检性
2.3 相关引理
2.4 本章小结
第3章 一致性卡尔曼滤波误差协方差一致有界性
3.1 前言
3.2 系统模型
3.3 基于信息一致的一致性卡尔曼滤波
3.4 共同一致完全可观性
3.5 误差协方差下界
3.6 误差协方差上界
3.7 其他一致性卡尔曼滤波误差协方差的一致界问题
3.8 数值仿真
3.9 本章小结
第4章 互相关性未知情形的一致性卡尔曼滤波
4.1 前言
4.2 系统模型
4.3 基于协方差交叉的一致性卡尔曼滤波
4.4 稳定性分析
4.4.1 误差协方差矩阵的有界性
4.4.2 估计误差的有界性
4.5 仿真例子
4.6 本章小结
第5章 传感器网络的加权一致可观性
5.1 前言
5.2 系统模型
5.3 基于测量一致的一致性卡尔曼滤波
5.4 加权一致可观性
5.5 误差协方差界
5.6 优化权重
5.7 数值仿真
5.8 本章小结
第6章 传感器网络的快速协方差交叉算法
6.1 前言
6.2 系统模型
6.3 联合一致可观性
6.4 基于可观性格拉姆（Gramian）矩阵的快速协方差交叉算法
6.5 仿真例子
6.6 本章小结
第7章 基于加权平均一致的无迹卡尔曼滤波
7.1 前言
7.2 系统模型
7.3 无迹卡尔曼滤波
7.3.1 预测更新
7.3.2 测量更新
7.4 加权平均一致性
7.5 估计误差的随机有界性
7.6 仿真例子
7.7 本章小结
第8章 饱和现象下基于信息一致的无迹卡尔曼滤波
8.1 前言
8.2 系统模型
8.3 无迹卡尔曼滤波
8.3.1 预测更新
8.3.2 测量更新
8.4 基于信息一致的无迹卡尔曼滤波
8.5 仿真例子
8.6 本章小结
第9章 本书总结与展望
9.1 一般情形下传感器网络的新型可观性（可检性）条件的数学表达
9.2 传感器网络的一致性卡尔曼滤波算法设计
9.3 时变系统分布式一致性卡尔曼滤波算法的稳定性分析
附录
附录A CVX简介
附录B YALMIP简介
参考文献