近十年来,由于传感器网络具备资源易于集中、成本相对较低、维护非常方便等优点,于是作为新型平台,正逐渐受到科研和工程技术人员的关注,并且随着无线传感和通讯技术的快速发展,分布式状态估计在环境监控、智能交通、军事预警等众多工程领域中被广泛应用。值得注意的是,在节点通信过程中,由于网络带宽或物理环境的限制,会诱发各种信息不完全现象,如时滞、饱和、非线性、量化等,这些现象是影响系统稳定性的主要因素,也是目前状态估计领域的研究重点。本文在近年来最新的研究成果的基础上,结合图论、控制理论、矩阵理论以及李雅普诺夫稳定性理论等方法研究了信息不完全现象影响下非线性系统的分布式状态估计问题,研究内容概括为以下三个方面:（1）研究了时滞非线性系统的分布式H∞状态估计问题。为了在统一框架下充分反映传感器在信息融合过程中的时滞现象,建立了具有通信时延的传感器模型。然后,构造了一个包含两种不同时滞和具有时滞依赖矩阵的Lyapunov-Krasovskii泛函（LKF）。同时,为了配合构造的LKF有效地降低结果的保守性,采用了基于松弛函数的单重积分不等式和凸组合来处理得到的泛函导数,从而得到了能够保证估计误差系统渐近稳定且具有H∞性能水平γ的充分条件。（2）针对传感器网络环境中普遍存在的节点饱和、测量缺失、时滞等信息不完全现象,必然导致系统整体性能变差.本文研究随机饱和与测量缺失影响下非线性系统的分布式H∞状态估计问题.通过两组已知概率的Bernoulli分布,建立了一个能够在统一框架内描述以上两种随机不完全信息的传感器模型。每个传感器接收到的信号由采样间隔随时间变化的采样器分别采样,并利用输入延迟的方法,将其转化为等价的有界时变时滞,从而得到了变时滞随机非线性估计误差系统。在此基础上通过构造包含多重积分项的Lyapunov-krasovskii泛函,并结合Extend和Relaxed积分不等式,得到了具有较小保守性的分布式H∞状态估计器设计条件。最后通过仿真分析验证了提出方法的有效性。（3）对于传感器网络分布式状态估计问题,提出了一种信息融合双增益调节方法。每个传感器节点对应的状态估计器接收到的信息不仅由单独的采样器提供,还包含加权过的信息补偿。估计器模型也由传统的单增益模型改进为双增益调节模型,用以补充各节点之间存在的信息不完全现象,提高系统整体的估计精度,而后采用Lyapunov泛函方法分别设计了单增益和双增益调节下的分布式H∞状态估计器并验证了双增益调节的优越性。本文共有图27幅,表2个,参考文献97篇。