分布式网络是由多个节点按照某种协作方式连接而成,且具有信息交互能力的网络。自适应网络是一种特殊的分布式网络,该网络的节点具有自适应信号处理能力,并能够和邻域内的节点进行信息交互,从而估计某个感兴趣的参数或向量。网络的连接方式、处理任务的类型、通信条件的限制和环境噪声等因素都会对分布式估计算法的性能产生影响。脉冲噪声作为一种较为常见的干扰,会严重影响基于l2范数最优化准则建立的分布式估计算法的性能。因此,研究如何抑制脉冲噪声对分布式估计的影响具有重要理论意义和工程价值。本文首先将最小均三次方绝对值代价函数引入分布式估计,提出了分布式归一化最小均三次方绝对值算法,该算法能够抑制脉冲噪声对分布式估计的干扰。为了提高估计稀疏系统的性能,将比例矩阵引入分布式归一化最小均三次方绝对值算法,提出了分布式比例最小均三次方绝对值算法。其次,本文将最大相关熵准则引入多任务自适应网络,提出了基于最大相关熵准则的多任务分布式估计算法。为了应对一些多任务网络应用中,相邻簇之间未知参数向量的差为块稀疏的情况,本文提出了基于l2.0范数相似性约束的基于最大相关熵准则多任务分布式估计算法。最后,为提高多任务网络中分布式估计算法的收敛性能,同时降低其计算复杂度,本文还提出了基于最大箕舌线准则的多任务分布式估计算法,并采用变参数的方式进一步提升了算法的性能。实验结果表明,上述算法都具有很好的抗脉冲噪声性能。