在网络控制和通信系统中，观测带随机滞后和丢包的系统普遍存在的，由于传输通道的不稳定性和通信的不可靠性，可能会导致一步或多步的随机观测滞后或数据包的丢失，从而导致系统性能下降。在观测方程中的表现即为存在观测随机滞后和丢包项。本论文主要研究的观测数据随机滞后及单个丢包和多丢包的现象可通过一个Bernoulli分布的随机变量来描述。对观测带随机滞后的线性离散随机系统，开展分布式信息融合估计算法研究。主要研究内容如下：对带一步随机滞后和丢包单传感器线性离散系统，利用已有文献中的Kalman滤波器形式，提出相应模型的Kalman满阶次优滤波器。进一步，对多传感器带一步随机观测滞后和丢包的系统，推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后，基于线性最小方差加权信息融合估计算法，给出了分布式加权信息融合Kalman滤波器。对带有观测多时滞的单传感器线性离散系统，在已知具体的时滞情况下，基于射影定理，提出相应模型的满阶最优Kalman滤波器。进一步，对多传感器带有观测多时滞系统，推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后，基于线性最小方差加权信息融合估计算法，给出了分布式加权信息融合满阶最优Kalman滤波器。与之相对应的，推导出了集中式信息融合满阶最优Kalman滤波器。对带有观测多时滞多丢包的单传感器线性离散系统，在仅知道发生滞后和丢包的概率情况下，基于射影定理，提出相应模型的满阶次优Kalman滤波器。进一步，对多传感器带有观测多时滞多丢包系统，推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后，基于线性最小方差加权信息融合估计算法，给出了分布式加权信息融合满阶次优Kalman滤波器。与之相对应的，推导出了集中式信息融合满阶次优Kalman滤波器。仿真例子验证了算法的有效性。