异步航迹融合算法是分布式数据融合系统中的一个重要研究方向，尤其在多传感器数据融合技术领域具有重要的地位和作用。分布式数据融合是一种利用多个传感器获取的数据，通过计算机技术进行分析、综合、处理的技术，其目的是获得比单一传感器更准确、更全面的信息。多传感器数据融合系统按照结构的不同，主要分为集中式系统和分布式系统。集中式系统中的数据处理中心直接接收所有传感器的数据，通过集中式处理获得全局最优解。与之相对的是分布式系统，其中每个局部节点首先进行数据预处理和初步分析，然后将处理结果发送到融合中心进行进一步的数据融合和目标状态估计。
在实际应用中，分布式数据融合系统中各传感器的采样速率往往存在差异，且传感器的测量数据可能存在固有的延迟与通信延迟。此外，由于传感器观测时间的起始时间不一致，会使得传感器的采样周期相差较大。这些因素增加了异步航迹融合的难度。为了解决这一问题，传统的异步航迹融合算法在处理采样周期相差较大的传感器数据时，往往不能充分利用各传感器的信息，导致信息利用不充分。
本文提出的新的异步航迹融合算法基于反馈式结构，能够有效地处理在采样周期相差较大的情况下，各种传感器的航迹融合问题。这种算法的核心优势在于，即使在传感器采样速率相差较大的情况下，也能够充分利用各传感器的信息，从而使得融合结果更为准确。通过仿真比较结果表明，该算法在处理采样周期相差较大的异步传感器的航迹融合时，其性能较现有的算法有明显改善，因而具有更强的实用性。
在多传感器数据融合系统中，航迹融合问题的处理结构主要有航迹－航迹融合和航迹－系统融合两种。航迹－航迹融合结构指的是两个局部节点将各自的目标状态估计发送给融合中心，融合中心结合这两个估计进行航迹融合。而航迹－系统融合结构则是指融合中心将某个局部节点的目标状态估计和自身的上一状态估计相结合，以产生融合航迹。
此外，异步航迹融合问题的成熟算法研究中，航迹融合的处理结构分为同步融合与异步融合两类。由于实际雷达网数据融合系统中各雷达的采样时刻通常不同步，且采样周期可能相差较大，因此研究在采样周期相差较大的情况下仍能有效进行的异步航迹融合算法具有重要的现实意义。A.T.Alouani和T.R.Rice提出的基于反馈结构的异步航迹融合算法是一个例子，但该算法要求局部节点和融合中心的采样周期相近。本文提出的算法没有这一限制，支持采样速率相差较大的局部节点，并允许融合中心周期有较大的变化范围，可以根据实际应用中的通信网络带宽或融合计算中心的计算负载动态调整。
综合来看，异步航迹融合算法在多传感器数据融合技术中占据核心地位，直接关系到数据融合系统的性能。该技术需要结合不同传感器的特性、数据特征以及实际应用场景的需求，进行综合考虑和算法设计。随着技术的发展，新的算法需要在保证融合精度的同时，减少计算复杂度，提升算法效率，使之更加适应实际应用中的复杂多变的环境。
