广义系统,是动态系统的一般描述形式,是比正常状态空间系统更为一般的系统,在经济、电力和机器人等领域中有广泛的应用。同时随着网络通信技术的飞速发展,网络传输方式被广泛应用于国防建设和国民经济的各个方面。但网络的引入给控制系统带来方便的同时,也不可避免地引入随机时滞和随机数据包丢失等问题。因此,本文基于奇异值分解方法和线性最小方差意义下的最优加权融合算法,分别对情形1):数据传输端存在数据重发机制,数据接收端某一时刻仅接收一个数据包或没有数据包收到;情形2):数据传输端无数据重发机制,数据接收端某一时刻仅接收一个数据包或没有数据包收到且传感器含有可能随机故障;情形3):数据传输端无数据重发机制,数据接收端某一时刻可能接收到一个或多个数据包或没有数据包收到,这三种情形下的多步随机滞后和多丢包的广义离散随机线性系统进行分布式信息融合估计算法的研究。主要内容为:首先,基于奇异值分解,将原始广义系统分解为快、慢两个降阶子系统。针对快子系统将随机参数引入到新的状态变量中,将快子系统转化为增广的随机参数系统,并基于此增广随机参数系统推导了线性最下方差意义下的局部线性最优估值器和白噪声估值器。然后,基于获得的快子系统的局部估值器和白噪声估值器推导了慢子系统的局部估值器。进一步,为了获取融合权重,分别对两个降阶子系统推导了任两个传感器子系统之间的互协方差矩阵的计算公式。基于线性最下方差意义下的矩阵加权、对角矩阵加权和标量加权三种融合算法,获得了快、慢两个降阶子系统的分布式融合估计。进而,基于原始非奇异线性变换获得了原始广义系统的分布式融合估值器。推导了快、慢两个降阶子系统之间的互协方差矩阵的计算公式,从而获得了相应的融合估计误差方差矩阵。最后,通过MATLAB仿真软件,验证了上述所提分布式融合估计算法的有效性。