复杂网络是由大量相互连接的节点和具有特定连接结构的边构成。研究复杂网络的某些动态规律时,需要用其内部的状态变量描述,但是在很多实际系统中,由于受多种因素影响无法直接测得系统内部的状态信息,只能利用可测得的输入和输出信息估计系统的状态,再利用估计状态代替真实状态进行相关分析。因此,复杂网络的状态估计问题一直是网络化控制理论研究的重要内容,并得到了学者的广泛关注,但基于部分节点信息（PNBI）的复杂网络状态估计问题的研究还不够全面。为此,本文以几种离散复杂网络系统为研究对象,方差约束法为基础设计相应的PNBI状态估计器,具体内容如下:1、研究具有随机外耦合强度的离散线性复杂网络的状态估计问题。采用一组服从均匀分布的随机变量刻画随机外耦合强度;同时,考虑复杂网络中随机发生的传感器时滞,并利用一组具有确定发生概率的Bernoulli随机变量描述。基于可获得的部分节点的测量值,提出PNBI状态估计新方法。利用随机分析方法,获得估计误差协方差的上界,并通过最小化该上界矩阵的迹得到最优的估计器参数。进一步,证明该上界矩阵的迹与传感器时滞发生概率之间的单调性。最后,利用数值仿真算例验证所提估计方法的有效性。2、探讨具有随机内耦合强度的离散随机非线性复杂网络的状态估计问题,该复杂网络具有一类特殊的非线性,其统计特性是已知的。随机内耦合强度的不确定性用乘性噪声刻画,具有不确定发生概率的传感器时滞用一组服从Bernoulli分布的随机变量描述。为了减轻通信负担,构造基于静态事件触发机制的PNBI状态估计器。通过求解两个递推的矩阵方程,找到估计误差协方差的上界,并选取合适的估计器增益矩阵优化该上界。讨论估计误差协方差上界的迹与传感器时滞发生概率之间的关系。最后,利用MATLAB软件进行数值仿真,从而验证所提估计器的可行性。3、讨论同时具有随机内耦合强度和随机外耦合强度的离散饱和非线性复杂网络的状态估计问题。首先,随机内耦合强度中的不确定性用具有零均值和单位方差的乘性噪声刻画,随机外耦合强度用满足均匀分布的随机变量描述。为了进一步节省网络资源,设计基于动态事件触发机制的PNBI状态估计器。其次,得到估计误差协方差上界的表达式,并通过最小化该上界矩阵的迹算得最优的估计器增益矩阵。再次,给出保证估计误差协方差上界的迹满足一致有界的判别条件。最后,通过仿真算例验证PNBI估计方法的正确性。