多源信息融合是现代工业控制系统信息感知和数据处理的重要基础环节，在钢铁、石化、电力、冶金、武器装备等国家重点领域的核心中枢广泛应用。状态估计是多源信息融合中具有全局影响的基本问题，通过在工业控制系统感知层应用大量分散的传感器对系统进行状态测量，在数据层获得系统状态估计值，为应用层的精准控制和优化决策提供重要支撑。由于感知层的传感器网络面临分布复杂、资源受限等严峻挑战，导致系统的状态估计出现扩展困难、鲁棒性低、估计失真等问题。因此，本项目在国家自然科学基金的支持下，从多源信息融合的分布式状态估计框架、有限能量的传感器调度和有限通信带宽的信道分配三个方面开展研究，形成了本领域面向复杂环境的多源信息估计理论与资源优化方法，取得如下主要进展：1) 构建了复杂环境中最优分布式状态估计框架。针对应用分布式传感网络对复杂动态环境或目标系统进行状态估计，设计了最优分布式状态估计器，保证了估计的精确性，突破了传统中心式估计充分依赖中心节点及远距离传输等方式的局限性，提升了无线传感网络在复杂环境中应用的鲁棒性、灵活性和可扩展性。首次应用频域方法建立了实现最快一致收敛的分布式传感网络拓扑设计机制，为大规模且复杂度高的最优网络拓扑构建提供了可行方案。2）提出了能量约束时估计性能优化的传感器调度方案。针对单个传感器，给出了满足最优传感器调度的通信时间所需的必要条件，设计了高阶高斯马尔科夫传感器的能量调度机制，实现了远程最优估计。针对分布式传感网络，提出了一种随机激活传感器工作的调度策略，保证网络估计精度的同时，最大限度延长传感器使用寿命。上述方案提供了各种复杂环境中传感器能量调度的优化方法。3）提出了通信带宽约束时估计性能优化的传感器调度方案。针对中心式传感网络，设计了针对特定类型系统的传感器最优选择方案，提出了针对一般系统的最优调度方案的有效数值解方法；针对分布式传感网络，构建了针对均质网络和特定类型异质网络的最优信道分配方案。上述方案显著提升了无线传感器网络在通信受限时的估计精度。项目发表SCI论文30余篇，其中包括信息领域顶级刊物论文Automatica(9篇)，IEEE汇刊论文(14篇)，总他引817次，SCI他引546次。8篇代表论著包括Automatica(1篇), IEEE Transactions on Signal Processing(5篇)等，SCI他引130次。成果被多位美国/欧洲/澳洲科学院院士、IEEE汇刊/IFAC会刊主编/副编，30余位IEEE Fellow/IFAC

Fellow引用，并正面评价为“重要创新性成果”、“具有新颖性”、“解决了实际资源受限时传感器调度难题”、“应用领域广”。设计的分布式状态估计器因具新颖性和实用性，作为章节被写入信息领域经典英文专著《Kalman Filtering with Real-Time Applications》第五版(Springer-Verlag出版)，并应用于中兴通讯虚拟化director平台中多源异构数据融合；设计的分布式网络优化机制，被应用于基于中国电信用户上网行为及轨迹数据搭建的用户行为分析的智慧推荐平台，获得“第二届理想杯大学生大数据创新应用与建模大赛”一等奖。