本文着重讨论了约束线性名义系统的状态估计问题和约束线性不确定系统的状态估计问题.在系统噪声和测量噪声是白噪声的情况下,本文基于贝叶斯理论,给出了一种处理约束系统状态估计问题的数学描述.这种描述将估计问题转化为二次型优化问题,通过引入到达代价函数,使优化问题的计算和滚动处理约束成为可能,并形成了滚动时域估计方法的一般算法.文中基于概率理论对滚动时域估计一般算法进行了讨论,给出了滚动时域估计方法的概率解释,并对滚动时域估计方法的性质、算法进行了研究.针对观测器问题证明了约束全信息估计器和滚动时域估计器的稳定性.对于存在能量有界测量噪声的系统,提出了保证稳定性的全信息估计器和滚动时域估计器的设计和分析方法.并将滚动时域估计方法应用到车辆道路/轮胎摩擦力的估计问题中,验证了滚动时域估计方法在实际应用中的可行性及有效地处理系统约束的优点.为提高滚动时域估计方法的估计性能,对滚动时域估计一般算法中先验估计状态与协方差阵不一致的问题进行了研究,给出了与先验估计状态相一致的先验估计误差协方差矩阵递推公式,提出了一种递推滚动时域估计算法.并对算法的性能和收敛性进行了分析,给出了保证收敛性的条件.本文的方法既有滚动估计方法处理状态和扰动约束的优点,又比一般的滚动时域估计算法具有更好的估计性能.将滚动时域估计方法引入到不确定系统的状态估计问题中,提出了约束线性不确定系统的鲁棒滚动时域估计方法.其基本思想是将不确定系统的状态估计问题描述为Min-Max问题,通过求解固定时域的Min-Max问题和估计时域的滚动,获得一种最坏情况下的鲁棒最优状态估计方法.对于线性名义系统,其结果与第三章的结论相同.文中分别针对系统状态矩阵具有参数不确定性和输入矩阵具有参数不确定性的情况进行讨论,推导了相应的鲁棒滚动时域估计算法.通过对估计误差协方差的特性分析,证明了所提算法的收敛性.针对系统噪声和测量噪声不具有统计特性,但其能量有界的情况,用扰动输入到估计误差的传递函数的H<,∞>范数作为滤波器的性能指标,通过优化这一性能指标设计了系统的H<,∞>滤波器.与通常的H<,∞>滤波器设计方法不同,本文基于耗散系统理论,给出了保证状态约束的线性矩阵不等式,在LMI和多目标优化的框架下,利用状态椭圆域的概念讨论了约束系统H<,∞>滤波问题.本文的第五章对此进行了深入的讨论,其主要结果是将系统约束和估计性能约束以LMI的形式表现出来,通过求解LMI优化问题,得到一种具有外部扰动不确定性的约束线性系统的状态估计方法.