随着互联网与信息技术的飞速发展和普及,网络化系统在过去二十年中得到了人们极大的关注。与传统点对点通信相比,网络化系统具有成本低、维护简单、易于拓展等优点。因此,网络化系统广泛应用于传感器、控制器和执行器等节点之间的信息交换,这使得人们可以估计远程分布式网络系统的状态。然而,由于共享网络的带宽存在有限性,为避免网络拥堵现象出现,信号在传输之前先要经过量化处理。此外,网络化系统独特的传输结构也存在一些不足,比如噪声干扰、通信受限和数据丢失,这使得传统的状态估计方法不适用于网络化系统。综上所述,研究网络量化系统的状态估计新方法具有深远的意义。本论文围绕网络化系统中的有色噪声、节点访问受限、测量值量化等问题,致力于状态估计的理论研究和算法设计,从提高估计性能和降低算法保守性的角度出发,根据网络传输特性和量化器的结构设计网络量化系统的估计策略,具体研究工作如下:1.针对存在有色噪声和通信受限的网络化系统,研究了有色噪声、量化误差和节点访问受限情况下的状态估计问题。采用量测差分法和伯努利随机模型构建了在有色噪声干扰和通信受限情况下的信息调度模型;基于范数有界不确定性设计了鲁棒递推估计器并给出了估计误差协方差的上界。最后给出了两个仿真例子:一个例子验证了所设计的鲁棒递推估计器能够较好地克服上述问题,实现精确的状态估计;另一个例子分析了有色噪声程度,量化密度和节点访问概率对鲁棒递推估计器性能的影响。2.针对存在带宽受限的多输出网络化系统,研究了滚动时域的状态估计问题,设计了基于迭代的状态重置算法用以克服包括初始状态在内的欠估计或过估计现象;基于范数不等式得到了状态重置估计器均方误差的上界,并证明了在静态情况下,所设计的状态重置估计器具有更小的保守性。最后给出了两个仿真例子:一个例子验证了所设计的状态重置算法在多输出系统中有效降低了估计状态的均方误差;另一个例子验证了所设计的状态重置算法比目前已有的重置算法更具有一般性。