在系统的状态空间模型中,系统的状态往往不能直接测量得到,因此需要用系统的输入输出信息来重构系统的状态向量,或估计系统状态向量的某个线性组合。由于系统存在着过程噪声和测量噪声,或者系统本身存在着参数不确定性,设计稳定、具有更小保守性的滤波器就显得尤为重要。2-D系统由于其深刻的实际背景而受到广泛的关注。由于2-D Roesser模型的特殊性,本论文主要对2-D Roesser模型的滤波技术进行了研究,论文的研究内容概述如下:(1)首先对1-D系统Kalman滤波和鲁棒H∞滤波进行了研究,并对Kalman滤波器和H∞滤波器的性能进行了分析,分别对数值算例设计了Kalman滤波器和鲁棒H∞滤波器。(2)研究了2-D Roesser模型的Kalman滤波。由于2-D系统本身的复杂性,1-D系统Kalman滤波并不能顺利的扩展到2-D系统。本文运用了逐行扫描法,得到了广义2-D Roesser模型Kalman滤波器的存在定理,算例仿真证实了算法的有效性。(3)研究了2-D Roesser模型的鲁棒H∞滤波。对系统参数存在多胞型不确定性的2-D Roesser模型,运用结构化多项式参数依赖思想,利用LMI方法设计了鲁棒H∞滤波器。随着相似多项式次数的增加,更多的自由变量被引入到线性矩阵不等式系统中,从而降低了滤波器的保守性,仿真结果验证了算法的有效性。