带有不确定干扰广义系统普遍存在于无线传感器网络,机器人和经济管理等实际系统中,而具有不确定干扰广义系统的状态估计问题常出现在控制、通信、信号处理和故障诊断与分离中.随着科学技术的日新月异,尤其是计算机技术的快速发展和多种复杂传感器的普遍使用,使得研究信息融合技术更具重要意义和实际价值.本文主要研究具有不确定干扰广义系统的信息融合估计算法,包括系统含有加性不确定干扰和观测含有乘性不确定干扰两种情况下的信息融合估值器设计问题.对带加性不确定干扰和相关噪声的定常广义离散随机线性系统,在没有不确定干扰的任何先验信息的条件下,首先,通过典范型分解将原广义系统变换为不同形式的等价降阶子系统形式；其次,应用线性无偏最小方差准则,分别设计了不同典范型下的降阶状态滤波器,且不依赖于不确定干扰.最后,针对多传感器系统,推导了任两个传感器之间的滤波误差互协方差阵的计算公式,以及两个降阶子系统之间的滤波误差互协方差阵的计算公式,进而,基于线性最小方差最优加权融合算法给出原广义系统的状态融合滤波器.对具有乘性不确定观测的定常广义离散随机系统,其中观测的乘性不确定干扰是通过—个满足Bernoulli分布的随机变量来描述,在系统噪声和观测噪声相关的条件下,将广义系统进行受限等价变换,转换为等价的降阶子系统形式,基于Kalman滤波理论及射影理论,给出了局部单传感器的状态估计滤波器、预报器及平滑器.当系统带有多传感器时,推导了任意两个传感器之间的估计误差互协方差阵的计算公式,以及两个降阶状态之间的滤波、预报及平滑误差互协方差阵.最后,依据线性最小方差意义下的最优加权融合估计算法,给出了传感器带有乘性不确定干扰广义系统的分布式最优融合滤波器,预报器和平滑器.