随着网络技术的快速发展,网络化多传感器系统的状态估计研究受到了越来越多的关注,在目标跟踪、故障诊断和智能交通等领域获得越来越广泛的应用。然而,通信网络的引入在带来诸多优点的同时,也给网络化系统的估计带来了新的问题和困难。本文基于最优估计理论和最优加权融合方法,研究了网络化估计系统中由于通信受限引起的两个重要问题:一是传感器异步采样和传输问题;二是观测信息不完整新问题。研究工作主要包括:1.针对通信受限引起的异步采样和传输问题,提出了集中式估计器和序贯式估计器设计方法。集中式估计器在获得所有传感器节点的观测信息后,通过对观测方程进行扩维增广后计算最优估计;序贯式估计器则根据来自传感器的观测信息到达顺序进行估计。将两种方法进一步推广到存在网络丢包的情形,并考虑了丢包重传和丢包不重传两种情况。2.针对通信受限引起的观测信息不完整性问题,提出了一种新的补偿策略来补偿远程估计器中未更新的观测分量。采用伯努利分布描述各传感器节点访问网络的过程,并采用正交投影理论设计了最优估计器。仿真结果表明,基于该补偿策略设计的最优估计器的性能优于基于保持输入补偿策略的估计器。3.针对通信受限引起的观测信息不完整性问题,设计了集中式融合估计器和分布式观测加权融合器。应用最小二乘算法,将多个传感器的观测融合成一个新的观测,设计了最小二乘加权观测融合估计器,并从理论上证明了在通信受限条件下分布式观测加权融合和集中式融合算法的功能等价性。最后,对全文进行了总结,并对有待进一步研究的问题进行了展望。