21世纪以来,随着嵌入式、摄像头、传感器技术的发展,推动了各类机器人、无人机、无人车的出现及应用。而无论是机器人的关节控制,还是无人机的位姿控制、又或者是无人车的路径规划,都需要对动态系统的状态进行估计。本文基于扩张状态观测器,对于非线性系统中存在干扰、时滞、丢包的问题,针对两类受到干扰的网络化非线性系统论述其状态估计:（1）针对系统存在状态非线性不确定时滞、输出有界非线性时滞及输入信号缺失的问题,设计增广系统和网络化输入信号传输机制,对系统状态、测量存在的非线性时滞数据及存在丢包的输入信号进行处理。在状态估计时,首先设计扩张状态估计器对目标系统状态做出预测、设计增广误差估计系统获取所设计估计器的预测误差信息、设计多通道网络化信息传输机制确保系统稳定可控;而后,基于预测误差信息,设计目标状态最优一步更新误差协方差的黎卡堤不等式及其对应的最优估计器增益,根据最优增益,结合测量数据对目标系统状态数据进行修正;最后,通过舒尔补定理,分析所设计估计器的稳定性。此类状态估计算法,既可以处理系统中存在时滞数据,又使用扩张状态估计器确保了状态估计的准确性,同时优化了系统的能控性。（2）针对分布式传感器网络中传感器测量数据缺失及测量数据有界非线性的问题,设计分布式状态估计系统。基于扩张状态卡尔曼滤波设计多传感器局部估计器,同时收集存储自身周围所有传感器的测量数据。当传感器测量到目标状态数据时,传感器将测量数据传输至局部估计器,局部估计器分配存储空间储存该传感器数据;当传感器未测量到目标状态数据时,传感器不再将测量数据传输至局部估计器,局部估计器分配存储空间并储存0数据。而后,局部估计器根据采集到的传感器测量数据集合,基于扩张状态卡尔曼滤波进行状态估计更新。最后,融合估计器根据多个局部估计器的数据进行优化,最终准确获得目标系统状态信息。最后,通过MATLAB工具对本文所述两类系统进行建模仿真,测试两种状态估计算法针对两类目标系统的状态跟踪效果,并通过误差的收敛性进一步分析。