分布式网络是分散在一片地理区域上、能够从周围的环境中采集数据的节点集合。分布式信号处理能够处理从节点采集到的数据中提取有用信息的问题。在一些应用中，网络中的每个节点能够采集到与某个感兴趣的未知参数相关的含噪观察值。分布式估计是分布式信号处理的一个分支，其目的是通过每个节点的含噪观察值来估计感兴趣的未知参数。在分布式估计中，不同的算法具有不同的收敛速度、稳态失调和鲁棒性。为了解决分布式最小均方算法在输入信号相关性较高时收敛速度较慢、分布式仿射投影算法计算量较大等问题，本文提出了两种分布式子带自适应滤波算法，即增量式和扩散式子带自适应滤波算法。分布式子带自适应滤波算法将每个节点的信号进行子带分割来降低信号的相关性，因而能够加快收敛速度。由于用于子带分割的滤波器组中包含了抽取单元，因此分布式子带自适应滤波算法和对应的分布式最小均方算法的计算复杂度相近。为了解决分布式最小均方算法和分布式仿射投影算法在脉冲噪声干扰下鲁棒性较差的问题，本文还提出了两种分布式仿射投影符号算法，即增量式和扩散式仿射投影符号算法。分布式仿射投影符号算法基于L1范数最优化准则，因而对脉冲干扰噪声具有鲁棒性。