众所周知，基因表达是从基因到蛋白质的过程，主要由基因的转录和mRNA的翻译组成，调控基因表达的机制被称为基因调控网络。基因调控网络已经在生物学和生物医学领域引起广泛关注，通过对基因表达的调控，可以使微生物有效合成有益菌种，并用于医学治疗。因此，研究基因调控网络有着十分重要的实际意义。　　由于转录、翻译和易位的过程缓慢，时滞在基因调控网络中是不可避免的，且建模过程带来的参数波动以及环境变化造成的外部扰动，均使得系统复杂化，导致基因调控网络的状态难以获得，一般来说需要利用可获得的测量数据估计系统的状态。然而，在使用计算机测量网络信息时，一个重要的问题是对连续系统的离散化，即采样，亦即计算机测量的信息实际上是某些离散点的采样数据。因此，本文的研究目的是通过可获得的离散采样数据对具有实变时滞、随机时滞、定常时滞和测量时滞基因调控网络的状态估计问题进行研究，设计状态估计器和递推滤波器估计其中状态mRNA和蛋白质的浓度。　　首先，研究时滞不确定基因调控网络的状态估计问题。对于具有时变时滞和不确定参数的基因调控网络，利用采样数据构造可测量输出，设计了基于可测量输出的鲁棒状态估计器;利用Lyapunov方法，借助Jensen不等式和下界定理，得出保证原系统和误差系统全局鲁棒渐近稳定的充分条件，并设计估计器增益矩阵。对于具有随机时滞、不确定参数和外部扰动的基因调控网络，类似地设计了基于可测量数据的鲁棒H∞状态估计器;利用Lyapunov方法，借助下界定理和自由权矩阵方法，得出保证增广系统在均方意义下全局鲁棒渐近稳定且满足H∞性能的条件，并设计估计器增益矩阵。通过数值仿真验证上述所得状态估计器的有效性和可行性。　　其次，研究时滞基因调控网络的滤波问题。对于具有状态时滞和随机一步测量时滞的离散基因调控网络，利用状态增广方法和Riccati方程方法，设计递推滤波器，计算滤波误差协方差矩阵并估计其上界，通过配方法得到最小化该上界的滤波器增益矩阵;利用滤波误差的有界性分析递推滤波器的性能，并给出保证滤波误差指数有界的充分条件;通过数值算例验证递推滤波的有效性。