本书用邓自立教授独创的现代时间序列分析方法提出了关于系统状态或信号的最优估计和最优融合估计的新理论、新方法和新算法，并给出在目标跟踪系统中的仿真应用。全书共分七章，内容新颖，理论严谨，并含有大量仿真例子。

最优估计问题有三类。第一类是建模或系统辨识中的模型参数估计问题。第二类是时间序列、信号或状态预报、滤波和平滑问题，简称最优滤波问题。第三类是多传感器信息融合状态或信号估计问题，简称融合估计问题。

传统的最优估计理论主要包括最小二乘法和经典Kalman滤波理论。本书以作者独创的现代时间序列分析方法作为方法论，系统地提出了最优估计新理论、新方法和新算法及其在跟踪系统中的应用，构成了现代最优估计理论，可应用于信号处理、控制、通信、航天、制导、雷达跟踪、石油地震勘探、故障诊断、卫星测控、GPS定位、多传感器信息融合、机器人、经济、生物医学等领域。

全书分为七章。第一章介绍ARMA模型和状态空间模型。第二章介绍最小二乘法及由作者提出的多种两段最小二乘法算法。第三章介绍经典Kalman滤波理论及其新进展，特别介绍了由作者提出的统一和通用的白噪声估计理论和时域‘Wiener’方法。第四章介绍经典的ARMA时间序列预报方法，特别介绍了由作者提出的带观测噪声的ARMA时间序列预报方法及非平稳时间序列预报方法。第五章介绍由作者独创的最优滤波新的方法论——现代时间序列分析方法。第六章介绍由作者提出的在线性最小方差意义下的三种最优信息融合加权准则及基于经典Kalman滤波的多传感最优信息融合滤波理论。第七章介绍由作者提出的基于现代时间序列分析方法的多传感器最优信息融合滤波理论。书中给出了大量仿真例子和算例，特别以目标跟踪系统为应用背景，给出了许多信息融合跟踪滤波器的仿真例子，说明了所提出的结果的有效性和可应用性。

本书以现代时间序列分析方法、白噪声估计理论和所提出的多传感器最优信息融合滤波新理论为特色。

继Kalman滤波方法和Wiener滤波方法之后，现代时间序列分析方法是解决最优滤波问题新的方法论。作者的专著《最优滤波理论及其应用——现代时间序列分析方法》(哈尔滨：哈尔滨工业大学出版社，2000)、《卡尔曼滤波与维纳滤波——现代时间序列分析方法》(哈尔滨：哈尔滨工业大学出版社，2001)和《自校正滤波理论及其应用——现代时间序列分析方法》(哈尔滨：哈尔滨工业大学出版社，2003)，以及本书构成了现代时间序列分析方法的完整的理论体系。它以ARMA新息模型和白噪声估计理论作为基本工具解决最优估计问题。该方法是作者于1989年在专著《现代时间序列分析及其应用——建模、滤波、去卷、预报和控制》(北京：知识出版社，1989)中提出的，已故中科院院士张钟俊教授曾给予高度评价(张钟俊．一门新兴边缘学科——现代时间序列分析．信息与控制，1988，17(4)：62—63)。同经典Kalman滤波方法和现代Wiener滤波方法相比，经典Kalman滤波方法是以Rieeati方程作为基本工具解决最优估计问题，而现代Wiener滤波方法(即多项式方法)是以谱分解和Diophantine方程作为基本工具解决最优估计问题。对同一类滤波问题，用三种方法论所得滤波器的公式在形式上可能是完全不同的，但它们是等价的，即它们在数值上是相同的。书中用大量数值仿真例子验证了这种等价性。作为新的方法论，用现代时间序列分析方法可以解决用Kalman滤波方法和Wiener滤波方法没有解决或不容易解决的许多最优和自校正估计或融合估计问题，显示了其强大的生命力。

多传感器信息融合是20世纪70年代后产生的一门新兴边缘学科。它随着电子技术和计算机应用技术的发展，特别是随着高科技武器(例如精确制导、远程打击及导弹拦截武器)的出现，应运而生，目前已发展成十分活跃的热门领域，广泛应用于指挥、控制、通信和情报系统。本书主要研究最优信息融合状态或信号估计问题。

本书系由作者主持的“多传感器信息融合最优和自校正滤波新理论和新方法”科研项目(国家自然科学基金资助项目。项目批准号：60374026；2004年1月起至2006年12月止)的研究成果。信息融合的核心问题是最优融合规则的确定。本书提出了按矩阵加权、按对角阵加权和按标量加权三种分布式最优融合规则。解决最优融合估计问题的难点和关键技术在于如何计算各局部估计误差方差和互协方差。这些信息被用于计算最优加权。本书攻克了这一难题，提出了两种新的协方差信息融合滤波理论。

作者感谢国家自然科学基金委的资助。

作者深深感激已故中国科学院院士张钟俊教授生前对作者的鼓励和帮助。

还要感谢由作者指导的历届50余名研究生们，其中包括高嫒、王欣、李云、毛琳、杜洪越、石莹、孟华等，他们对本书提出的新理论和新方法做了大量的仿真研究工作。

由于水平所限，书中缺点和疏漏之处在所难免，望读者批评指正。

著者

2005年元旦于哈尔滨