众所周知,广义系统是一类比正常系统更具广泛形式的动力系统。广义系统能够广泛地应用在实际领域中,例如:经济系统、导航系统、电子网络等,并且在结构上具有复杂性和新颖性等特点,因此,引起了许多学者的研究兴趣。一方面,由于单一的传感器容易受到外部的干扰以及自身的影响,故多传感器信息融合技术应运而生。另一方面,网络环境的变化会导致一些网络诱导现象的发生,它会影响控制系统的性能。因此,发展一些解决网络化广义系统的多传感器信息融合估计问题的方法是一个具有深远意义和极具挑战的研究课题。本文将针对几类网络化离散非线性多传感器广义系统,提出降阶或满阶的信息融合状态估计算法。具体工作如下:1.研究具有衰减观测和随机非线性的多传感器广义系统的信息融合滤波问题。其中,多通道的衰减观测现象是由对角元素取值为[0,1]的对角矩阵刻画的。基于受限等价变换方法,得到比原广义系统维数低的非广义子系统。然后,利用最优滤波理论,得到降阶子系统的局部最优滤波器,并根据线性最小方差意义下的分布式矩阵加权融合估计算法,得到原广义系统的分布式融合滤波器。最后,利用数值仿真算例演示所提出分布式融合滤波算法的可行性和有效性。2.考虑具有测量丢失和乘性噪声干扰的离散时变非线性广义系统,研究该类多传感器广义系统的分布式和集中式融合估计问题。为了更加符合实际工程,考虑的过程噪声和观测噪声是时间相关的。利用一组服从Bernoulli分布的随机变量对不同传感器的测量丢失现象进行建模。首先,根据奇异值分解方法,得到比原广义系统维数低的非广义子系统。然后,根据新息分析方法和分布式矩阵加权融合估计算法,得到降阶子系统的局部最优滤波器和相应的分布式融合滤波器。其次,根据增广的观测模型,得到三种集中式估值器。最后,利用数值仿真算例演示所提出融合估计算法的可行性和有效性。3.探讨一类具有随机传输时滞和数据包丢失的离散时变广义系统的融合滤波问题。采用一组Bernoulli分布随机变量来描述数据包传输时滞和数据包丢失的现象。特别地,当数据包丢失时,为补偿数据包丢失的消极影响,采用当前传感器测量数据的一步预报器来代替。基于非奇异变换方法,将原广义系统转化为维数较低的非广义子系统。根据观测补偿模型,得到具有随机参数矩阵和相关噪声的增广系统。利用射影理论,得到增广系统的局部最优滤波器,从而基于分布式矩阵加权融合估计准则,得到广义系统的分布式融合滤波器。利用数值仿真算例演示所提出分布式融合滤波算法的有效性和优越性。4.针对一类具有数据包错序的时滞非线性多传感器广义系统,研究该类广义系统的满阶递推滤波算法设计问题。随机传输时滞的存在导致数据包由传感器到达滤波器的时序与发送时不同。为此,利用一组相互独立的随机变量来描述随机传输时滞现象。首先,利用矩阵变换技术将广义系统转化为满阶的非广义系统。然后,基于随机传输时滞数学期望的取整函数构造新颖的满阶局部递推滤波器。其次,利用矩阵不等式技术,得到依赖于随机传输时滞概率的估计误差协方差的上界,并通过对该上界局部最小化得到滤波器增益矩阵。此外,给出估计误差互协方差矩阵的上界,基于矩阵加权融合估计算法,得到广义系统的分布式融合滤波器。最后,利用数值仿真算例演示所设计的融合滤波算法的可行性和有效性。