随着信息科学、人工智能等技术的飞速发展,多传感器网络化系统受到广泛的关注。然而,由于系统模型的复杂性和工作环境中的许多不确定因素,使系统模型具有未知或不确定的参数。本文研究了带未知模型参数、丢失观测率或衰减观测率的多传感器系统的自校正融合估计问题。主要研究内容如下:针对带未知模型参数和丢失观测率多传感器线性离散随机系统,利用一组满足Bernoulli分布的随机变量来描述传感器的观测丢失现象。在模型参数和观测丢失率未知的情形下,分别采用递推增广最小二乘(RELS)算法和相关函数,对未知模型参数和丢失观测率进行在线辨识,提出了未知模型参数的分布式融合辨识器。将辨识后的模型参数和观测收到率代入到最优局部滤波器、互协方差阵和分布式融合滤波算法中,提出了相应的自校正滤波算法。应用动态方差误差系统分析(DVESA)方法和动态误差系统分析(DESA)方法证明了算法的收敛性。仿真例子验证了算法的有效性。针对带未知模型参数和衰减观测率多传感器线性离散随机系统,在模型参数和衰减观测率未知的情形下,应用RELS算法和加权融合估计算法提出了未知模型参数的分布式融合辨识器。应用相关函数对描述衰减观测现象的随机变量的数学期望和方差进行在线辨识。将辨识后的模型参数、数学期望和方差代入到最优分布式融合状态滤波器中,获得了相应的自校正融合状态滤波算法。应用动态误差系统分析(DESA)方法证明了算法的收敛性。仿真例子验证了算法的有效性。