由于传输通道的多变性和不可靠性,时滞和丢包普遍存在于各种实际系统中,导致系统的控制指令得不到有效执行,控制输入和控制器得不到及时更新,不仅影响着系统的性能,严重时可能会使系统失去稳定性,同时也给控制器的设计带来很大麻烦.所以对带有时滞和丢包系统的研究,是网络控制系统中需要迫切解决的重大问题.本论文主要研究带有时滞和丢包系统的信息融合估计,主要研究内容如下：首先研究了观测方程带有随机时滞和多步丢包的线性离散随机系统,基于射影定理,应用状态增广方法,将系统转化为增广的不带滞后的系统,针对新的系统给出了基于单传感器的线性最小方差最优Kalman估值器.进一步,给出了稳态滤波器存在的一个充分条件,并进行了稳定性分析.对于多传感器系统,推导出了任意两个子系统之间的估计误差互协方差阵计算公式,进而基于分布式线性最小方差加权信息融合估计算法,给出分布式最优加权信息融合Kalman估值器的算法.其次基于射影理论,利用状态增广方法,对于控制输入和观测分别带随机时滞和多步丢包的线性离散随机单传感器系统,给出了线性无偏最小方差最优Kalman估值器.进一步,推导出多传感器系统中任意两个子系统之间的估计误差互协方差阵计算公式,并给出多传感器的分布式线性最小方差最优加权信息融合Kalman估值器的算法.再次研究了状态方程带有限步时滞,观测方程带有多步丢包的线性离散随机系统,基于射影理论,通过状态增广方法给出了单传感器的线性最小方差最优Kalman估值器,并推导出多传感器系统中任意两个子系统之间的估计误差互协方差阵.进一步基于分布式线性最小方差加权信息融合估计算法,给出了分布式线性最小方差最优加权信息融合Kalman估值器的算法.另外,通过仿真,研究了状态方程带有限步时滞、观测方程带有随机时滞和多步丢包的线性离散随机系统以及状态方程带有限步时滞、控制输入和观测分别带随机时滞和多步丢包的线性离散随机系统的信息融合估计问题.最后研究了状态方程带有限步时滞,观测方程带有多步随机滞后系统的信息融合估计问题.在射影理论的基础上给出了局部最优估值器,进一步给出了多传感器中任意两个传感器子系统之间的估计误差互协方差阵计算公式,最后基于线性最小方差最优加权融合算法,给出了多传感器的分布式线性最小方差最优加权信息融合估值器.大量的仿真证明了本文算法的有效性.