现代通信技术的快速发展促使传统控制系统的结构不断发生变化,继而出现了网络与传统控制系统相结合的网络化控制系统(Networked Control Systems,简称为NCSs)。相比传统的控制系统,网络化控制系统虽具有灵活性好、共享性强等优势,但不可避免的也存在着诸多不确定性因素,如通信带宽受限、网络诱导时延、噪声相关性、网络攻击等。上述问题的存在使得针对网络化系统的状态估计研究更具挑战性。此外,传感器性能的大幅度提升也促使针对多传感器网络化系统的融合估计研究成为了一项重要研究内容。值得强调的是,在网络化控制系统中,由于被控对象的复杂性常常导致系统本身具有不同程度的非线性,这无疑增加了状态估计器的设计难度。本文针对网络化控制系统中存在的上述问题,设计了一系列基于无迹卡尔曼滤波(Unscented Kalman Filter,简称为UKF)技术的非线性滤波及融合估计算法,并分析了算法的估计性能。具体研究内容概述如下:首先,研究了一类过程噪声与量测噪声存在互相关性的非线性网络化系统事件触发状态估计问题。通过采用基于量测残差的事件触发传输机制,显著减少了无线网中过度的量测数据传输。鉴于系统过程噪声与量测噪声间存在一步相关性,设计了一种与噪声相关程度及触发阈值有关的无迹卡尔曼滤波形式的非线性滤波器,并进一步给出了确保估计误差协方差有上界的充分条件。其次,针对一类具有随机传输时延的多传感器非线性网络化系统,研究了事件触发分布式融合估计问题。对于每一个无线传输通道,利用基于量测残差的事件触发传输机制来减少过度的量测数据传输,并使用一个固定长度的缓存器暂存发生时延的量测数据。进一步基于序贯协方差插入融合策略,设计了一种分布式融合估计算法,并给出了确保融合估计误差协方差有界的充分条件。最后,研究了一类遭受干扰攻击的带宽受限多传感器非线性网络化系统随机事件触发分布式融合估计问题。对于每一个无线传输通道,引入一种随机Send-on-Delta(SoD)的事件触发传输机制减少智能传感器与局部估计器之间的通信次数。此外,利用斯坦伯格博弈框架分析了各智能传感器与智能攻击者之间的交互关系。进一步基于序贯快速协方差插入融合策略,设计了一种分布式融合估计算法,并给出了确保融合估计算法收敛的充分条件。