本文主要研究多噪声时滞系统的最优滤波问题。以往多噪声系统观测模型中，多是假定观测为无延迟的。这种情况下，多噪声系统仅有即时观测，这种标准的系统可以通过卡尔曼滤波算法得到很好的解决，但假设往往只是一种理想化的情况，并不符合实际情况。实际中观测会有延迟.本文所讨论的多噪声系统引入了观测延迟，它刻画了更一般的输出状态，更符合实际情形。　　本文分别针对多噪声连续系统和多噪声离散观测带时滞系统，应用新息重组的方法和Hilbert空间的投影定理，对最优滤波等理论与应用方面的问题，进行了进一步的探讨，着重完成了以下工作：　　对最优估计理论进行了深入探讨并讨论了新息过程的基本性质，给出了一些有效的最优滤波算法，为解决后面提出的最优估计问题打好了理论基础。　　用里卡蒂微分方程方法对多噪声连续系统的最优滤波算法进行了研究。通过离散近似化的处理，把连续系统处理成已经解决的离散多噪声系统，并用标准的卡尔曼滤波定理写出其最优估计公式。　　对多噪声离散系统的最优滤波算法进行了研究。利用新息重组的方法，通过计算两个与原系统的同维数的里卡蒂微分方程得到最优估计的递推公式。　　除了理论上对给出的最优算法进行详细的推导以外，还用仿真模拟验证了算法的合理性和有效性。