由于传感器件成本低廉、便于布置等优势,传感器网络广泛应用于各个学科领域。然而在实际工程中,由于恶劣的环境干扰、传感器部件的老化和故障等,传感器网络经常受到一些随机发生的现象影响,如随机增益变化、随机非线性等现象,这些都会导致系统的性能降低,甚至造成系统不稳定。此外,伴随传感器网络系统产生的一些网络化现象如网络诱导时延、测量丢失等,也是需要考虑的因素。因此,对基于传感器网络的复杂系统分布式估计研究具有重要的理论和应用价值。本文将研究基于传感器网络的复杂系统分布式估计,包括具有随机增益变化的非脆弱H∞滤波和l2-l∞滤波,以及基于Round-Robin协议的非线性系统指数估计。主要内容如下:第一部分,研究具有随机发生增益变化的分布式非脆弱H∞滤波。首先,考虑加性滤波器增益随机不确定性,利用已知期望和方差的随机变量表示增益变化的随机性。然后,基于凸优化方法,利用Lyapunov函数方法和随机分析方法,得到增广滤波误差系统H∞性能分析结论。接着,设计出分布式非脆弱H∞滤波器,并解决增益矩阵的稀疏性问题。第二部分,研究具有随机增益变化和测量衰减的分布式非线性系统非脆弱l2-l∞滤波。与上一部分的测量方程不同,在这部分中考虑了具有测量衰减现象的情况,测量衰减系数由已知统计特性的任意随机序列表示。首先,基于Lyapunov方法,给出了分布式非脆弱l2-l∞滤波器的设计方法,保证滤波误差系统均方指数稳定且具有给定的l2-l∞性能指标。第三部分,研究基于Round-Robin协议的非线性系统分布式指数估计。与前两部分不同,为了解决传感器网络由于数据量太大而导致的网络拥塞等问题,这部分引入了Round-Robin协议,并且考虑了更为一般的单边Lipschitz非线性。首先,通过构造一个指数型Lyapunov函数,给出了在Round-Robin协议下的非线性增广系统均方指数有界条件,并可得到指数衰减系数、衰减率和上界的估计。然后,设计得到了一个分布式指数估计器。第四部分,总结与展望。