最近，政府机构和研究机构等许多组织都在致力于实现互联和智能的智能环境，包括多种传感模式，如射频、惯性测量单元、声纳、激光、红外射线、可见光等。

近年来，该领域的研究对于解决智能传感中信息融合及其应用所面临的挑战具有重要意义。例如，许多研究都是基于信号处理和估计理论(如小波变换、扩展/无嗅卡尔曼滤波、马尔可夫链蒙特卡罗)、统计推理理论(如贝叶斯推理、Dempster-Shafer推理、随机集理论)、信息理论(如基于熵的方法和最小描述长度)和决策理论(如多目标决策、顺序决策和博弈论)。此外，越来越多的研究人员开始关注利用人工智能(如遗传算法、模糊逻辑、神经网络和优值图)来完成信息的获取和融合。在这些发展的支持下，传感数据可以用于智能环境中执行更复杂的任务，如入侵检测、室内定位和导航、匿名环境监测、人机交互传感，甚至精细的活动和手势识别，可以提供智能和先进的服务，以提高生活质量。

本期特刊的目的是征集来自学术和工业专家的原创研究文章，讨论他们对信息融合及其在智能传感中的应用的贡献。利用基于方程理论、函数理论、数论、随机过程理论和优化理论的信息融合新方法，在传感数据和智能环境之间架起一座桥梁。本期特刊将让读者了解信息融合及其在智能传感方面的应用的最新进展。也欢迎讨论该技术现状的评论文章。

潜在的主题包括但不限于以下内容:

• 基于信号处理和估计理论(如小波变换、扩展/无迹卡尔曼滤波、粒子滤波、高斯和滤波、马尔可夫链蒙特卡罗、期望最大化等)的智能传感信息融合
• 基于统计推理理论(如贝叶斯推理、Dempster-Shafer推理、随机集理论等)的智能传感信息融合
• 基于信息理论(如基于熵的方法，最小描述长度等)的智能传感信息融合
• 基于决策理论(如多目标决策、顺序决策、博弈论等)的智能感知信息融合
• 基于人工智能(如模糊逻辑、神经网络、遗传算法、优值图等)的智能传感信息融合
• 基于信息融合的智能传感天线装置和波形设计
• 智能传感协议和标准