近年来,无线传感器网络因其强大的数据采集和并行信号处理能力,而广泛地应用于环境监测、目标跟踪、医疗健康等领域。无线传感器网络由大量需要协作完成追踪、估计等任务的无线传感器节点组成,具有大规模、自组织、动态拓扑等特性以及能量、计算能力、带宽等约束。在无线传感器网络的应用中,使用可扩展的算法来处理数据的检测、估计和融合是基本问题。卡尔曼一致性滤波器作为一种有效的分布式数据融合方法,不需要融合中心,节点仅与其邻居节点进行信息交换,即可实现所有节点获得一致且高精度的估计值。本文针对无线传感器网络时变拓扑特性,以容错性、时效性、使用寿命为关键的性能指标,设计了分布式卡尔曼一致性滤波器。本文主要研究工作包括以下三个方面:1)设计具有观测、通信两类丢包的分布式卡尔曼一致性滤波器。利用二进制随机变量描述丢包现象,探讨了观测、通信丢包之间的耦合关系。并通过矩阵论理论分别分析两类丢包对滤波系统性能和稳定性的影响。最后通过仿真实例对所得结论进行验证。2)设计具有连续丢包补偿的分布式卡尔曼一致性滤波器。当数据包发生单次或连续丢失时,利用节点缓存区存储的历史数据进行补偿,削弱了丢包对滤波精度的不良影响,也加快了算法收敛的速度。并通过最小化估计误差协方差,得到了最优滤波增益。最后通过仿真实例对所提出的算法进行验证。3)设计两种能量可调的分布式卡尔曼一致性滤波器。充分利用传感器节点冗余布置的特性,采用两种方法对网络进行拓扑控制以减少能量消耗。基于Percolation模型,通过调整主动丢包概率,减少数据包传输量,牺牲部分滤波精度,使网络寿命得到大幅度的提高;基于事件驱动机制控制节点是否通信,以降低不必要的数据传输,算法在滤波精度满足要求的前提下,节约了能耗。最后通过仿真实例对所提出的算法进行对比验证。