随机系统的估计理论——也称为滤波理论,是现代控制理论的一个非常重要的分支,也是信号与系统的一个关键课题。所谓“估计”,就是在含有随机噪声的观测数据中,提取出实用信息,从而估计系统的参数或者状态。随着航天模拟、地质勘查、建筑工程、金融分析、语音处理、生物工程、海洋科学等领域的飞速发展,人们对估计算法的实时性,鲁棒性,准确性要求也越来越高。本文主要分析和讨论了实际应用中状态估计算法存在的最突出的两个问题:1.实际系统的动态特性不确定,导致无法准确获得系统过程模型的动态特性;2.实际系统中含有复杂不确定噪声,严重影响系统状态的估计精度。首先,我们针对第一点问题给出如下两点解决方案:1.本文引入了数据驱动模型的思想,基于‘数据中含有模型而模型融于数据中’的基本思想实时更新模型参数;2.实际系统的状态的统计分布更符合瑞利分布而不是均匀分布,本文应用当前模型的概念,使算法更易收敛。其次基于系统所含的复杂不确定噪声,我们提出了如下两点解决方案:1.为了处理实际系统中所含的有色的过程噪声,本文利用维纳-辛钦定理,将有色的过程噪声看成是一个一阶的马尔可夫过程,将有色过程噪声白化;2.为了处理实际系统中所含的复杂不确定的测量噪声,本文利用协方差匹配原则和噪声新息实时更新测量噪声方差,处理了系统的有色的测量噪声。最后,本文还将所提出的状态估计算法应用到了大型土木结构健康监测的实际的应用中,取得了非常好的估计效果,实验结果表明本文所提出方法具有很好的鲁棒性,实时性,准确性,可以很好的应用到含有复杂不确定噪声系统的状态估计问题中。