系统的状态估计问题广泛存在于自动驾驶、数据传输、故障诊断等领域,由于环境影响、模型参数不当选取、测量设备故障等原因,系统状态方程和测量方程中往往含有未知输入。而未知输入的存在使得上述状态估计问题的研究变得非常复杂。因此,本文考虑含有未知输入的线性系统和非线性系统,研究系统状态和未知输入的估计问题。首先,针对未知输入直接馈通到线性系统测量方程的情况,提出新的扩展递归三步滤波器,同时估计未知输入和线性系统状态。其次,对于未知输入仅影响系统方程的线性系统,设计一种新型三步迭代滤波器。最后,考虑含有未知输入的非线性系统,构造一种扩展容积卡尔曼滤波器。本文研究的内容主要集中在以下几个方面:（1）线性系统测量方程中未知输入系数矩阵不满秩时的滤波器设计。在没有未知输入先验知识的前提下,针对测量方程中未知输入系数矩阵不满秩时无法应用经典递归三步滤波方法的问题,依据线性最小方差无偏估计准则,提出了一种新的扩展递归三步滤波方法,并提炼汇总出具体迭代步骤。通过仿真实验表明,与其他系数矩阵不满秩情况下的无偏最小方差状态估计方法相比,新的滤波方法能够有效降低状态估计误差。（2）线性系统状态方程中未知输入系数矩阵不满秩时的滤波器设计。针对线性系统的状态方程中未知输入系数矩阵不满秩时无法应用经典滤波方法的问题,依据线性最小方差无偏估计准则,提出一种新型递归三步滤波方法,并汇总迭代步骤。仿真结果表明新型滤波方法能够有效估计系统状态及未知输入。（3）含有未知输入非线性系统的扩展容积卡尔曼滤波器设计。对于含有未知输入的非线性系统,考虑未知输入和非线性系统状态的同时估计问题。针对非线性系统方程和测量方程中同时含有未知输入且未知输入可以是任意信号的情形,提出一种扩展容积卡尔曼滤波方法。仿真结果验证了所提滤波方法的有效性。