在当今社会，随着生产工程的复杂化以及日益大型化，提高系统的可靠性就显得十分重要，而故障检测是提高系统可靠性的有效途径之一。目前，针对经典线性系统的故障检测及估计算法已有了大量的研究成果，如基于解析模型、基于知识以及基于信号处理的方法。而在实际系统中，如石油地震勘探、水下目标探测等过程，系统模型往往是非线性的，而且信号在传输的过程中会出现延时、畸变、衰减等干扰，即可以看成受到了乘性噪声干扰，这是经典线性系统中的加性噪声所不能刻画的，因而基于传统线性模型的故障检测与估计方法不能直接应用，于是研究带乘性噪声系统的故障检测与估计方法具有更为现实的意义。本文所描述的带乘性噪声系统特指一类新息可近似正态的系统。新息即指量测向量与量测向量估计值之间的误差。针对新息可近似正态的带乘性噪声系统，本文主要完成了以下工作：第一，对给定带乘性噪声系统的观测数据或新息进行正态近似化判断。对符合新息可近似正态化条件的带乘性噪声系统，本文给出了故障检测与幅值估计的方法。第二，完成基于滤波算法的带乘性噪声系统的故障检测与估计方法。针对新息可近似正态的带乘性噪声系统，利用新息的数学统计特性在故障产生前后的变化判断故障产生的时刻，之后利用带乘性噪声系统的状态滤波算法以及广义似然率（GLR）方法估计故障的幅值。第三，完成基于平滑算法的带乘性噪声系统的故障检测与估计方法。基于滤波算法的故障检测能实现实时性的判断，但是由于观测数据的不充足可能导致故障幅值估计的准确度不高，因而需要基于平滑算法的故障检测来加以弥补。基于平滑算法的故障检测同样以新息的数学统计特性的变化来进行故障时刻检测，继而通过带乘性噪声系统的平滑算法及广义似然率法对故障的幅值进行估计。第四，对文章所给的算法进行计算机仿真研究，仿真结果验证了算法的有效性。