随着通信网络的发展和计算机技术的进步,控制模式开始由传统的点对点模式向网络化模式转变,形成了一种通过共享网络来实现控制器、传感器和估计器等各节点之间信息传输的控制系统—网络化控制系统（Networked Control Systems,NCSs）。目前,虽然针对NCSs的研究已经取得了大量成果,但仍有一些问题没有得到很好的结论。例如怎样解决约束下的最优状态估计问题?如何给出分布式系统中各传感器的信息融合策略及一致性算法?等。基于此,本文就NCSs状态估计中存在的模型误差、测量值丢失、量化失真和多传感器信息融合等问题进行了研究,主要研究内容如下:1.针对同时存在随机丢包和模型误差的NCSs,提出了一种鲁棒滚动时域估计方法。首先,在丢包概率、模型误差、传输噪声和系统约束的统一框架下,将NCSs建模为一类参数范数有界不确定系统。然后,基于最小二乘原理,通过求解一个带有随机参数的二次优化问题,得到了误差协方差矩阵的迭代方程。进而基于滚动优化原理,设计了鲁棒估计器。该方法将随机参数应用到时变协方差矩阵的求解中,既保证了估计器的约束处理能力,又得到了系统的最优估计状态。最后,分析了估计器的性能,并通过仿真验证了算法的有效性。2.针对存在随机丢包的分布式NCSs,提出了一种鲁棒分布式滚动时域估计方法。首先,采用输入保持策略将NCSs建模为一类随机参数不确定系统。然后,基于滚动优化原理和标量加权线性最小方差策略,将各传感器节点的性能指标和测量数据进行加权计算,并通过求解一个固定窗口内的二次优化问题,得到了一个局部估计器。该方法得到的估计状态具有局部最优性,无需二次加权,从而避免了传统融合策略中将多个估计结果加权计算时带来的系统稳定性问题,并提高了估计效率。最后,分析了估计器的性能,并通过仿真验证了算法的有效性。3.针对同时存在随机丢包和量化的分布式NCSs,提出了一种鲁棒分布式滚动时域估计方法。假设系统采用的是对数量化器。首先,采用输入保持策略和扇形有界分析法,将NCSs建模为一类参数范数有界不确定系统。然后,基于滚动优化原理和信息融合策略,通过求解一个带有随机参数的最小二次优化问题,得到了一个局部估计器。该方法通过使用一个可选择矩阵来代替误差协方差矩阵,简化了计算过程,进一步提高了估计效率。最后,分析了估计器的性能,并通过仿真验证了算法的有效性。