近年来,随着大量新型传感器的出现,传感器网络规模的不断扩大和计算机能力的提高,多传感器信息融合技术已经渗透到社会各方面,如军事系统、工业系统、交通网络系统和自动驾驶系统等。目前,已有的比较完善的线性融合方法由于叠加原理的失效,难以直接应用于非线性多传感器系统的融合估计。此外,由于现代通信技术的快速发展,无线网络通信技术被广泛应用,促使着网络化系统的出现。但是网络化系统不可避免的面临带宽约束、相关噪声、非高斯噪声等挑战。本文针对具有带宽约束的非线性多传感器系统,研究其在不同噪声环境下的分布式融合估计问题。具体研究内容如下所示:首先,针对具有带宽约束的随机非线性系统,研究了理想噪声环境下的分布式融合估计问题。对于每一个反馈通道,通过一个静态事件触发调度机制来决定是否向局部传感器广播融合估计。进而设计了事件触发无迹卡尔曼滤波器,为融合提供局部估计。随后,提出了一种与触发阈值相关的递归分布式融合估计算法,并给出了融合估计误差协方差有界的充分条件以及融合算法的复杂度。此外,融合中心与传感器之间的通信速率和估计性能达到了理想的折中。其次,针对具有自/互相关噪声的非线性多传感器系统,设计了一种受自/互相相关噪声影响的分布式融合估计算法。利用去相关方法得到了一个噪声不相关的等价非线性系统。由于非线性特性,去相关的顺序影响着等价系统噪声是否完全不相关。为了提高融合估计的精度,同时避免增加通信负担,融合预测结果根据动态事件触发调度反馈给局部滤波器。通过在动态事件触发调度中引入实时可调辅助偏移变量,增加反馈间隔,使事件触发调度更加严格。进一步,利用测量信息和接收到的反馈信息,提出了一种无迹卡尔曼滤波器（Unscented Kalman filter,UKF）形式的局部滤波器。同时,基于类Kalman融合策略,设计了分布式融合估计算法,并分析了融合误差协方差的有界性和融合算法的复杂度。最后,研究了一类遭受非高斯噪声干扰的非线性多传感器系统分布式融合估计问题。利用二进制传感器来避免网络通信环境中的带宽约束问题。局部滤波器根据接收的二值信号提取出有效信息,并将其用于自适应学生t滤波器的设计,进而提出了基于二进制传感器的矩阵加权融合算法。同时,分析了融合算法的计算复杂度和影响融合性能的因素,并给出了保证融合估计误差均方指数有界的充分条件和达到预定性能所需的二进制传感器数量。