在过去的十年里,多智能体系统的分布式滤波与控制问题,由于其在无线传感器网络的信息融合与目标跟踪、多机器人系统的编队控制、通信网络的拥塞控制、社会经济系统的分析与优化等领域的广泛应用,受到了控制领域与人工智能领域研究者的极大关注。本文围绕多智能体系统的分布式滤波与控制问题开展一系列研究,取得了以下成果:(1)研究了多智能体系统的强跟踪一致性滤波问题。基于已有分布式滤波算法并利用强跟踪滤波器和当前统计模型在模型失配和噪声统计特性不准确下依然能够有效跟踪目标的优点,提出了基于当前统计模型的分布式强跟踪一致性滤波算法,较好地实现了对非合作目标的跟踪。该分布式估计融合算法能够综合利用多个传感器的测量信息和冗余度提高参数估计的鲁棒性和精确性,为多智能体系统对非合作目标的跟踪提供了理论基础。(2)研究了多四旋翼飞行器系统的编队跟踪问题。基于模型参考一致性协议、最大距离一致性协议和参考控制器,提出了带有编队信息反馈的四旋翼飞行器系统编队控制方法。使用分布式强跟踪一致性滤波对参考模型一致性协议进行相应修正,实现了多四旋翼飞行器系统对非合作目标的编队跟踪。(3)研究了基于采样数据的二阶随机多智能体系统的一致性跟踪问题。通过引入智能体自身的加速度近似信息以及智能体与移动目标的相对时滞速度信息,提出了适用于测量噪声及加速度渐近无界而急动度有界移动目标存在下二阶多智能体系统的采样数据一致性跟踪协议。使用代数图理论、特征值分析法、概率极限理论,获得了确保系统实现均方有界一致性跟踪的充要条件。(4)研究了基于事件驱动的二阶离散时间多智能体系统的一致性问题。为了减少网络的通信带宽,节约传感器的能耗,提出了一种分布式事件驱动一致性协议。基于Lyapunov函数方法,得到了确保二阶离散时间多智能体系统实现一致性的以线性矩阵不等式形式给出的充分条件。结果表明,所提的事件驱动一致性协议在确保二阶离散时间多智能体系统实现一致性方面以及在减少网络通信带宽方面是有效的。