含未知输入、干扰或偏差的随机系统的状态估计问题广泛出现在控制、通信、信号处理和故障诊断中。在多传感器环境中,不同的传感器可能受到不同干扰输入的影响。研究含未知输入系统的状态和输入估计问题无论在理论上还是在工程实践中都具有重要意义。本文研究含未知输入系统分布式信息融合状态估计算法,包括带随机偏差的信息融合估值器的设计、带未知输入的信息融合估值器的设计、以及带未知噪声统计信息和带随机系统偏差的自校正信息融合估值器的设计。对带随机偏差的离散线性随机系统,采用动态系统增广的方法,转化为多模型多传感器系统的特殊情形。基于通用的线性最小方差最优加权融合估计算法,分别获得了分布式最优加权融合Kalman状态滤波器和系统偏差滤波器。当系统含有未知噪声统计信息时,基于相关函数给出了分布式噪声统计辨识算法,进而给出了具有两段融合结构的自校正信息融合Kalman状态滤波器和系统偏差滤波器。对带未知输入的离散线性随机系统,在没有未知输入的任何先验信息的条件下,给出了不依赖于未知输入的线性无偏最小方差状态滤波器。当系统带有多个传感器时,推导了任两个局部估计误差之间的互协方差阵的计算公式,基于线性最小方差最优加权融合算法,对系统或/和传感器带未知输入的离散线性系统,分别给出了分布式最优加权信息融合状态滤波器。对传感器不带偏差、带随机偏差或不知任何先验信息的未知输入的多传感器系统,推得了任两个传感器之间的局部估计误差互协方差阵,进而给出了线性最小方差融合状态滤波器。将故障检测技术应用于多传感器系统,提出了带故障检测的分布式信息融合估计算法,并给出了相应的分布式融合结构。