融合高斯分布

（一）数据融合

假设两个传感器的测量结果分别为和，对应的标准差分别为和。

如何根据这两组数据得到最优估计？

估计值取为两个传感器测量结果的线性组合，如下所示：

为了获得最优估计值，需要让估计后的方差最小。

将方差对求导数，并令其等于0，有：

解得：

所以，最优估计如下：

（二）融合高斯分布

假设有如下两个高斯分布（即正态分布）：

则这两个高斯分布的概率密度函数的乘积为：

方便起见，令：

继续令：

那么，有：

可以看出，位于和之间，比和都要小，也就是说估计的标准差变小了，这就是做数据融合的主要目的。

从上面的分析可以看出，两个高斯分布融合后是一个被缩放的高斯分布，为缩放因子，相乘后概率密度的积分不为1，需要进行归一化处理。巧妙的是，融合高斯分布所得到的期望和标准差与“数据融合”部分得到的结果一致。