时滞现象广泛存在于各类实际的工程系统中,比如制造系统、电力系统、以及网络化控制系统等,时滞现象是导致系统不稳定、降低系统性能、或引起系统出现混沌现象的一个重要因素。因而时滞系统的研究具有重要的理论意义和应用价值。时滞系统状态估计的研究最早可追溯到20世纪60年代,然而已有的结论主要是围绕定常时滞系统展开的。随着无线传感器网络等新兴技术的发展和应用,人们正在面临着更加复杂的不确定性问题,即随机传输时滞等问题,随机时滞往往导致系统的结构发生随机变化。因此,随机时滞系统的估计问题要比定常时滞系统复杂很多。本文系统地研究了几类不同时滞系统的状态估计问题。分别针对随机跳跃时滞系统、多步随机时滞系统、以及定常时滞Markov跳跃系统,运用观测重构、偏差分方程和偏微分方程等技术,并结合随机分析中的完全配方法、随机逼近原理和新息分析理论,设计有效的状态估计算法。具体的研究内容如下：首先,研究了带有观测时滞的Markov跳跃系统的线性最小方差估计问题。对于离散时间Markov跳跃时滞系统,首先对观测信息重新组合,得出一组等价的无时滞变结构观测序列。基此定义新的状态变量,该变量既与状态有关,又与系统的跳参数有关。进一步采用新息分析理论设计线性最小方差估计器,得出新的状态变量估计值,其中估值器的解通过求解两个差分Riccati方程而得出。最后通过Markov跳跃特性,得出真实状态的估计值。采用同样的思想,我们研究了连续时间Ito型Markov跳跃时滞系统的状态估计问题。通过随机系统的新息分析理论和Ito微分法则设计线性最小方差估计器,估值器的解通过求解两个有限维的微分Riccati方程而得出。其次,研究了随机跳跃时滞系统的最优估计问题。对于观测时滞服从Markov跳跃分布的离散时间线性系统,不仅考虑了时滞可测的情形,并且首次给出了时滞未知情形下滤波器的设计方法。针对这两种情形,我们首先引入一组二元函数,将单通道随机跳跃时滞系统转化为带有乘性噪声的双通道定常时滞系统,进一步引入等价的变结构观测序列,使其成为无时滞观测系统,通过定义新的Markov链,最终得出标准的Markov跳跃系统。其中,Markov链的统计特性由随机时滞决定。当跳参数可知时,采用完全配方法以及随机逼近的思想设计最优Markov跳跃滤波器,滤波器的表达式只与当前时刻跳参数有关,而与以前历史时刻无关。其解析解通过求解一组与原系统维数相同的耦合差分Riccati方程而得出；当跳参数未知时,采用新息分析方法设计最优估计器,其中估值器的增益通过求解一组扩展的差分Riccati方程而得出。对于观测时滞服从Markov跳跃分布的Ito型随机系统,我们也分别给出了时滞可知情形下的最优Markov滤波器与时滞未知情形下的线性最小方差估计器的设计方法。然而,不同于离散时间的情形,连续时间随机时滞系统的状态估计器须结合随机分析理论中的Ito微分法则来给出,并且其解析解是通过求解相应的微分Riccati方程而得出的。最后,研究了多步随机时滞系统的最优估计问题。首先对于离散时间随机时滞系统,采用偏差分Riccati方程的方法设计线性最小方差估计器。其中随机时滞不仅存在于系统方程中,还包含于观测方程中,并且时滞在不同时刻的取值是相互独立的。首先引入随机时滞的二元示性函数,将随机时滞系统转化为带有乘性噪声的多步定常时滞系统,在此基础上应用投影定理设计最小方差平滑器和滤波器,其解析解通过求解一个基于Lyapunov方程的偏差分Riccati方程而得出,基于已得的滤波器进而求得最优预报器的解。对于连续时间随机时滞系统,其中只考虑相互独立的随机观测时滞的情形。同样的采用投影定理设计最小方差平滑器、滤波器和预报器,而所得的估计器的解需通过求解一个基于Lyapunov方程的偏微分Riccati方程而得出。需要指出的是,偏微方程的解析解一般很难得出,通常情况下需采用数值逼近的方法来求解。