随着科学技术的发展和进步，网络化系统已广泛应用于社会生产和人们生活的各个方面。由于工程需求越来越高，导致系统规模变得庞大且复杂，因此不可避免地造成网络资源的大量消耗。在实际系统中，通信带宽和传感器能源是有限的，因此在系统的状态估计中节省通信带宽和网络资源成为目前的一个研究热点。事件触发机制通过判断是否满足触发条件进行数据传输，有效地节省了资源。由于序贯融合估计算法计算量小且全局最优，因而，在多传感器信息融合估计中受到广泛关注。本文针对多传感器网络化系统，考虑系统中的噪声相关性和随机不确定性，结合事件触发机制，基于射影理论，研究序贯融合估计问题。主要研究内容如下:
　　对噪声不相关的线性离散系统，提出基于观测事件触发和基于方差事件触发的分布式序贯状态融合估计算法。观测事件触发机制由当前观测值和上一传输观测值的差值平方构成，当差值平方大于给定阈值时，进行数据传输，否则不传输。在该触发机制下提出了局部最优状态滤波器，进而将局部估值传输到融合中心进行序贯融合，得到分布式序贯状态融合估计算法，完成算法的最优性证明。此外，提出一种基于方差的事件触发机制，该机制通过实时判断融合后的估计精度是否达到设定精度要求来减少数据的传输，达到在保证估计精度的前提下节省通信资源的目的。进而基于方差事件触发提出了相应的分布式序贯状态融合估计算法，并证明算法的最优性。
　　对不同传感器之间噪声同时刻相关，观测噪声与系统噪声前一时刻相关的线性离散随机系统，提出了基于新息事件触发和基于观测事件触发的序贯观测融合估计算法。新息事件触发机制要求传感器自身可执行局部滤波，并将获得的滤波新息数据标准化。若标准化新息范数大于给定阈值，则观测数据通过网络传送到融合中心进行序贯融合，否则不传送。在该触发机制下提出最优序贯观测融合估计算法。为了减小计算负担，又提出了一种次优序贯观测融合估计算法，并分析了算法的稳定性。
　　对带一步相关噪声的线性离散系统，提出基于观测事件触发的最优序贯观测融合估计算法。通过获取的传感器观测值构成观测事件触发机制，满足触发条件的观测数据在融合中心进行融合处理，进而提出序贯融合估计算法。由于噪声间的相关性，融合估计算法中涉及观测噪声和系统噪声序贯融合滤波器和预报器的设计。证明了基于观测事件触发机制的序贯融合估计算法的最优性，即事件触发序贯融合与事件触发集中融合有相同的估计精度。
　　对网络化随机不确定系统，考虑随机参数扰动、衰减观测和相关噪声，提出基于方差事件触发的序贯观测融合估计算法。首先将系统的模型转换为标准模型，进而根据该标准模型提出基于方差事件触发机制线性最小方差意义下的最优序贯融合滤波器。其中方差事件触发机制通过判断融合精度是否达到设定精度要求来决定观测数据是否传输，当达到精度要求时，其它传感器不再往融合中心传送数据，否则，传感器数据一直进行数据传送直至满足要求。证明了所提出的序贯融合估计算法的最优性，即事件触发的序贯融合与事件触发的集中式融合有相同的估计精度。
　　通过仿真研究，验证了本文中所提算法的有效性。