在信息处理、工程控制和故障诊断等领域中,广泛涉及具有未知传感器干扰的不确定系统的融合估计问题。传感器遭受无法测定的扰动,我们将它称之为未知传感器干扰(即未知输入)。随着“互联网+”时代的到来,网络化控制系统(NCSs)的发展也将更加深入。然而当系统规模不断增大,复杂程度逐渐增加,各种问题也就随之而来。由于网络负载能力差,带宽受限,正在被传送的数据发生观测丢失现象在所难免。除此之外,乘性噪声引起系统不确定性的问题亦不容忽视。如果对以上干扰置之不理,不采取有效的检测、分离措施,可能会造成生产上的损失。现如今,各行业为了获取更全面的信息以提高系统性能,原有单传感器系统和单速率系统将不能满足其需求,多速率多传感器系统因此成为研究热点。考虑上述所有问题,本文对具有未知传感器干扰的多速率不确定系统融合估计问题的研究很有必要。主要内容如下:线性无偏最小方差准则与最优融合算法(线性最小方差意义下)支撑本文理论部分。对同时带有未知传感器干扰、观测数据丢失的多传感器异步均匀采样系统,给出了与未知传感器干扰解耦的具有Kalman滤波形式的观测采样点和状态更新点上的局部滤波器。在并未推导局部估计误差互协方差阵的情形下,对系统设计了SCI次优融合和矩阵加权次优融合两种次优融合滤波器。对同时带有未知传感器干扰、观测丢失的多传感器异步均匀采样系统,直接设计不依赖于未知干扰的具有Kalman滤波形式的状态更新点上的局部滤波器。而后分三种不同情况推导了任两个传感器子系统之间的估计误差互协方差阵,最后给出拥有较高估计精度的分布式融合滤波器。对同时带有未知传感器干扰、乘性噪声和数据丢失的多传感器异步均匀采样系统,提出了不依赖于未知传感器干扰的具有Kalman滤波形式的状态更新点上的局部滤波器。其中乘性噪声由零均值的高斯白噪声来描述。然后给出所有可能存在采样情况下的局部估计误差互协方差阵,最后给出矩阵加权分布式次优和最优融合滤波器。