如今,计算机技术和传感器技术发展日新月异,从而使得多源信息融合技术作为一个研究热点,引起多方关注并应用于多个领域,如:身份识别、智能机器人、刑事侦查、工业监控、遥感技术等方面。与单传感器相比,多源信息融合有着其自身独特的优势,具有相当可观的发展前景。本文以多传感器网络信息融合状态估计问题为主要研究内容,分别针对具有时滞、丢包、多速率特点的系统或者是同时具有多个特点的系统,采用观测重组、二进制概率、提升技术等方法对系统进行建模,再有针对性地运用加权算法、一致性算法、序贯算法等分布式融合算法,设计出不同的多源网络信息融合状态估计器。对算法进行仿真验证以及收敛性分析,最终实现了较好的估计效果。所做工作包括:第一,分别利用提升技术以及观测重组技术对多速率系统和具有随机时滞的系统建模,将建立后的系统模型首次与序贯融合算法结合。算法中增益与原系统保持相同的维数,计算量小,精度较高的基于序贯融合法的分布式状态估计,并利用Matlab进行仿真分析,证明其有效性。第二,研究基于加权算法的随机时滞系统的分布式状态估计。对三种加权融合算法进行总结,并首次使用标量加权融合算法与之前得到的经过观测重组后的无时滞系统结合,设计得到基于标量加权的分布式状态估计算法,给出了算法的收敛性分析,且通过Matlab进行仿真验证。第三,研究基于趋同算法的丢包系统的分布式状态估计。介绍图论有关知识,并对丢包系统进行建模,创新性地使之与趋同算法相结合,设计得到基于趋同算法的分布式状态估计,给出了关于算法收敛性的详细证明,并利用Matlab进行仿真验证。第四,研究带有观测时滞与未知噪声统计特性系统的自适应滤波。作为工作的拓展,考虑到实际情况中系统噪声和观测噪声统计特性未知,且带有观测时滞的系统。首先,采用观测重组技术,将多通道时滞系统转化为多通道无时滞系统,在此基础上分别设计基于极大后验估计与基于白噪声估计的自适应滤波算法,得到时滞测量系统的多通道自适应滤波,并利用Matlab仿真验证了算法的有效性。