状态估计问题是信息融合领域中的焦点问题,广泛应用于军事、科研、控制工程、工程生产等各个方面.而噪声估计问题是石油地震勘探技术的核心性技术,它的一个重要应用背景是石油地震勘探信号处理.随着自动化、智能化技术的发展,对系统估计问题的研究逐渐深入,状态估计和白噪声估计问题引来了海内外众多学者的极大关注.然而,在实际应用上,由于网络的承载能力和通信宽带的限制,以及受外界环境的种种干扰,致使数据在传感器向融合中心传输的过程中,会出现数据丢包现象,这不仅使人们对原系统性能的估计不够准确,降低了估计的精度,而且也增加了对系统状态和信号估计的难度.本文以具有丢包系统的估计问题为研究对象,推导一类具有丢包系统的状态估值器和白噪声估值器,其中的丢包过程通过一个满足二元分布的随机变量来描述.在此我们不知道每一时刻的系统观测数据是否发生丢失,只知道每一时刻数据丢失的概率.通过矩阵增广的方法,将具有丢包的系统模型转化为常规系统的状态空间模型,在已有文献的基础上,推导具有丢包系统的状态估值器和白噪声估值器.在系统模型中,可以通过对白噪声的估计来实现对系统状态和信号的估计,本文基于具有丢包系统的状态估计和白噪声估计解决了具有丢包的ARMA(Autoregressive Moving Average)信号估计问题,在线性最小方差意义下,推导了的具有丢包的ARMA信号估值器,并给出了相应的误差方差阵.在文章的最后部分,对具有丢包广义系统的状态估计和白噪声估计问题进行了阐述,将广义系统降阶为两个等价的非奇异降阶子系统,应用射影理论对子系统进行状态估计和白噪声估计.从而解决了原系统的状态估计问题,最后,用仿真实例将本文算法与以往的Kalman滤波算法相比较,在说明了本文算法有效性的同时,也说明了带丢包系统的状态估计和白噪声估计在ARMA信号模型和广义系统模型上应用的广泛性.