随着多传感器信息融合技术在军事、民用和矿井综合监测上的广泛应用,已经引起了许多国内外学者的研究.然而目前大量的研究工作主要集中在具有无限多丢包的单传感器控制系统上,而对具有有限连续丢包的线性离散随机系统的最优估计问题研究甚少.但在实际中经常会遇到观测数据和／或已知确定的控制输入数据都具有有限连续丢包的系统.例如在网络控制系统(NCSs)、生产过程制造、通讯、信号处理等领域.由于数据的传输是通过通信渠道进行的,例如从传感器到估值器和／或从控制器到执行器的传输等.传输通道的多变性、通信的不可靠性以及元器件的老化、灵敏度不够等原因可能会导致数据包的丢失,从而导致系统不稳定和系统性能的下降.因此研究具有有限连续丢包多传感器系统的分布式最优融合估计算法具有更重要的理论意义和应用价值.本文研究的是具有有限连续丢包的线性离散随机系统,它是通过两个满足Bernoulli分布的随机变量来描述的系统,并针对观测数据和／或已知确定的外部输入数据都具有有限连续丢包的多传感器系统,开展分布式信息融合估计算法的研究.主要研究的内容如下：对从传感器到估值器和从控制器到执行器都存在有限连续数据丢失的网络控制系统,即对具有双边丢包的系统基于射影定理,通过引入两组新的变量利用状态增广的方法将系统转化为一个带有随机参数的系统.针对新的增广系统,给出了系统的线性最小方差Kalman估值器和稳态估值器以及稳态估值器存在的一个充分条件.对具有双边丢包的多传感器网络控制系统,推导了任意两个传感器子系统之间的估计误差互协方差阵.最后,依据分布式加权信息融合估计算法,给出了分布式加权信息融合Kalman估值器.大量的仿真例子证明了上述理论的正确性和有效性.