将联邦滤波器整理如下，但因为可参考的材料太少，所以也并不一定完全正确，仅供参考。
目录：
联邦滤波器：是一种两级滤波器，由1个主滤波器和n个子滤波器组成，子滤波器之间是平行结构。
主滤波器功能：时间更新；(n+1)个滤波器的结果融合；
子滤波器功能：独立的进行时间更新和量测更新(可以选择不同的滤波算法)；
联邦滤波器的关键技术：方差上界消除相关；统一的信息分配原则；
方差上界消除技术：
首先假设子滤波器和主滤波器的状态转移矩阵、过程噪声分布阵、过程噪声相同。由于过程噪声协方差Q和初始估计协方差P非0，主滤波器和各子滤波器之间的估计误差协方差Pk+1|k+1非0（相关性），但是将主滤波器和子滤波器自身的噪声协方差矩阵和初始估计协方差矩阵放大就可以忽略主滤波器和各子滤波器的估计误差之间的相关性，那么有 Pk+1|k+1=0(这里需要放大的是Qk和Pk)。具体可参考《多源信息融合》，P289
应用：每次进入融合中心后，完成一次最优状态估计，然后会将主滤波器和子滤波器重置，这样会导致再次产生相关性，因此每次重置时，都通过放大协方差矩阵去除这种相关性。即每个Qk和Pk都是下一次处理的初始误差。
Q：书中内容的前提是无重置，然后也会有相关性，因此无论重置与否，都会产生相关性？但是无重置时，意味着Pk|k和最优状态估计值xk是不会重置给各个子滤波器的，那么如何通过放大协方差消除相关性的影响呢？
信息分配
时间更新(子滤波器和主滤波器)
量测更新(子滤波器)
Q： 子滤波器的量测更新好像不是采用的卡尔曼的量测更新公式，但是对于子滤波器来说，时间更新和量测更新的方法应该是不唯一的，可以根据自己的需求选择不同的方法，只要最后得到的是信息融合所需的输入即可。
信息融合
融合-重置式 FR
信息在各子滤波器和主滤波器间按一定比例分配。
特点：
（1）全局及局部精度提高；
（2）子滤波器必须等到融合结果反馈过来才进行下一步的滤波；
（3）一个传感器的故障未被被隔离前，可能会通过重置污染其他子滤波器和主滤波器，使得系统容错能力下降；
（4）隔离故障传感器后，局部滤波器要重新初始化，需要经过一段时间数据才能使用，导致故障恢复能力下降。
Q： 是否存在关系： Bi=Bm=1/(1+N)；
零重置结构 ZR
主滤波器得到系统的全部信息，Bi=0，Bm=1；由于1/Bi（信息分配系数）趋向于无穷，因此子滤波器的过程噪声协方差矩阵和预测估计误差协方差矩阵均趋向于无穷，故子滤波器不再进行卡尔曼滤波，即不再获取估计值及最优状态估计值，而是将量测值进行最小二乘算法平滑后直接输入主滤波器。
Q： 这里的子滤波器的最优状态估计误差协方差矩阵P是怎么来的呢？
无重置结构 NR
在初始时刻，各子滤波器根据所对应传感器的精度高低按照一定的比例分配系统的信息，主滤波器无信息分配，其输出仅由时间更新确定。此结构中，主滤波器仅将子滤波器的输出融合而不保留这些信息（即不会重置给子滤波器），并且结构中没有主滤波器到子滤波器的信息重置，各子滤波器独立工作，容错能力强。
特点：
（1）容错性和可靠性提升了；
（2）无重置使得估计精度稍有下降；
Q：
初始时刻如何分配信息？这里是不是说，按照传感器的精度信息自行设置初始P和Q，然后自己不断地迭代更新。相当于每个子滤波器都相互独立。
主滤波器无分配的信息，那么他的P是如何更新的呢，是不是使用自己设置的初始P和Q，不断的迭代更新，而且他每次的x、P都是主滤波的最优状态估计值和最优状态估计误差协方差矩阵么还是自己k-1时刻的预测值呢？
如果是上边考虑的那样，那么为什么说主滤波器不分配信息呢。
重调式结构 RS
各子滤波器仅将一部分（1-a，0<a<1为保留系数）信息送入主滤波器，然后子滤波器根据保留系数重新调整其协方差为1/a倍（这是不是就是所谓的重置）。主滤波器以融合结果作为初值，该结构允许不同子滤波器的信息在不同时刻过来融合。
Q： 系数a如何确定呢？
（1）运算速度/运算量
需重置：FR、ZR、RS
ZR、RS需要重置，但可在子滤波器向主滤波器发送完最优状态估计值和最优状态估计误差协方差矩阵后立即开始，而FR必须等主滤波融合结束后将最终结果反馈回子滤波器才可以重置。
不需重置：NR
NR相当于独立的子滤波器、主滤波器各自工作、互不影响（像每个人都干自己的工作，最后根据一个规则结合到一起）；
FR的重置是由主滤波器的融合结果最优状态估计x和最优状态估计误差协方差P决定的；
ZR和SR只跟自己的最优状态估计x和最优状态误差协方差矩阵P有关，只不过是系数发生了变化。
（2）容错性能
容错性能指检测、隔离和恢复系统故障的能力。NR因为无信息反馈，不存在各子滤波器之间的交叉污染，故障被隔离在一个子滤波器内，便于系统的故障隔离，且主滤波还可以使用其他子滤波器的估计值继续合成融合结果。
总的来说， NR在运算速度和容错性方面较好，缺点是精度稍低，且需要各子滤波器在同一时刻将自己的估计结果输入主滤波器；ZR和RS允许子滤波器的估计值在不同时刻送入主滤波器，但是容错性能较差；FR由较好的精度，但容错性和运算速度较差。
Q： 为什么NR需要子滤波器将估计值一起输入主滤波器呢，谁来了谁和主滤波器一起融合就好了啊，又不需要反馈信息，只是主滤波器时间更新的次数多一些而已。
有重置联邦滤波器与集中式融合等价，无重置联邦滤波器与集中式融合不等价，是最小方差意义下的次优估计。
终于写完了这部分的理论内容，但是仍然存在很多疑问，并且网上资料又少，如果有了解的伙伴可以一起讨论，完结撒花~
