网络化控制系统的状态估计近年来成为了控制领域备受关注的研究课题之一。估计技术已在通讯、航海、目标跟踪、计算机视觉和故障诊断等领域得到了广泛应用。目前有关的研究成果主要集中在确定性系统、一步时延、噪声不相关或噪声统计特性准确可知等情形。然而，由于网络带宽资源有限并且为各节点所共享，数据包在传输过程中不可避免地发生时间延迟、数据包丢失、时序错乱等网络诱导现象，从而致使估计器接收到的数据往往是非实时的、有损的。另一方面，实际系统的准确模型很难得到，模型误差的存在也给估计器的设计带来了新的挑战。因此，本文在多网络诱导因素和模型误差综合影响下，研究网络化不确定系统的状态估计问题，主要内容归纳如下：　　研究了带有相关噪声和有损测量值的线性不确定系统的状态估计问题。状态方程和测量方程中分别引入乘性噪声描述随机不确定性，并且假定过程噪声和测量噪声是一步自相关和互相关的。采用改进的多步时延和丢包模型来刻画有损测量信息。基于状态增广法和新息分析法，提出了最小方差意义下的线性估计器设计算法，并揭示了估计误差协方差阵与乘性噪声方差、一步相关系数矩阵和时延、丢包概率之间的约束关系。针对时不变系统，建立了稳态估计器存在的充分条件。　　研究了噪声协方差未知和有损测量信息影响下线性不确定系统的鲁棒卡尔曼滤波问题。在状态矩阵、输出矩阵以及噪声协方差矩阵中引入范数有界的参数不确定性来刻画模型误差和噪声协方差未知的情形，利用已有的多步时延和丢包模型来描述估计器接收到的有损测量值现象。运用测量值重组法把原始系统转化为不带时延的随机不确定系统，进而提出相应的鲁棒卡尔曼滤波器，给出滤波误差协方差的上界。基于黎卡提差分方程方法，得到了使滤波误差协方差上界的迹最小的滤波增益表达式。　　研究了带有随机时延和测量值丢失的线性不确定系统的鲁棒卡尔曼滤波问题。状态矩阵中同时考虑了范数有界不确定性和随机不确定性。引入服从伯努利分布的随机变量来刻画随机时延和测量值丢失等网络诱导现象。将随机不确定性转移到过程噪声中，基于状态增广法设计鲁棒滤波器，并获得了使滤波误差协方差上界最小的充分条件，从而解决了一类带有随机时延和测量值丢失的线性不确定系统的滤波器设计问题。　　研究了带有多步传输时延、多丢包和相关噪声的离散随机非线性系统的递推估计问题。运用统计均值来描述随机非线性，并假定过程噪声和测量噪声是一步自相关和互相关的噪声。利用新息分析法给出了递推滤波器、多步预报器和多步平滑器的设计算法。建立了状态协方差阵收敛和非线性时不变系统稳态估计器存在的充分条件。研究结果表明，所设计的估计算法依赖于时延与丢包的概率、一步相关系数矩阵及用于描述随机非线性的矩阵。　　研究了带有多步传输时延和丢包的随机非线性系统的分布式融合卡尔曼滤波问题。状态方程和测量方程中同时含有用统计均值描述的随机非线性，并引入服从伯努利分布的随机变量来构建时延的测量模型。运用测量值重组法将原始系统转化为不带时延的系统，对每个子系统，借助新息分析法设计了最优局部估计器，并给出了任意两个局部滤波器之间的滤波误差互协方差矩阵。由矩阵加权融合估计准则得出了分布式融合滤波器，而且建立了估计误差协方差矩阵收敛的充分条件。　　研究了事件触发传输机制、测量值丢失和随机发生不确定综合影响下离散线性系统的鲁棒滤波问题。状态矩阵中引入了随机发生的范数有界不确定性，并用服从伯努利分布的随机变量来刻画观测值丢失现象。为了提高网络资源的利用率，采用事件触发传输机制将新息值传输给估计器，进而提出基于事件触发的一步预报器和滤波器的设计算法。基于状态增广法和随机分析技巧，确立了估计误差协方差上界存在的充分条件。通过使估计误差协方差矩阵上界的迹最小，获得具有递推形式的滤波器参数。所设计的估计算法依赖于测量值丢失和范数有界不确定性发生的概率、事件触发条件中的阈值和事件指示变量。　　为了验证上述设计算法的有效性和可行性，在数值例子部分给出了许多仿真结果。最后，对全文的主要研究内容进行了总结，并对网络化控制系统状态估计的未来研究工作进行了展望。