无线传感器网络由于其特殊的网络组织结构形式和应用场景,使得它要面临严重的传输带宽和能耗的制约。基于多接入信道的分布式信号估计与滤波,是无线传感器网络中主要的信号处理技术。因此,在对无线传感器网络设计良好的信号处理方案,都必须是能量有效的。本文主要针对无线传感器网络中的能量有效的信号估计与滤波技术展开研究。信号估计与滤波是信号处理中的两个联系紧密的技术,估计是滤波的理论基础,滤波可以看成是一种连续的估计,两者都要涉及传感器数据的量化压缩和融合中心的数据融合。我们对无线传感器网络中的信号处理技术背景和现状进行了简要介绍,并展开介绍了一些分布式估计和卡尔曼滤波的基本理论。我们对分布式估计和分布式卡尔曼滤波中的观测数据量化问题和传输等问题作了重点的研究。在分布式估计中,我们对能量有效的最佳的量化和传输方案进行了研究,在传感器面临不同的观测噪声功率和不同的信道路径损耗的环境下,我们通过对量化比特长度和传输时间的最佳分配,使得传感器网络完成一次估计消耗的总能量达到最低。我们设计了一种迭代式工作的联合优化算法,仿真结果表明我们的算法具有较好的收敛性能,并且能够达到很好的节省能量的效果。在对分布式滤波的研究中,我们在多接入信道传输的模型下,提出了一种基于观测数据量化传输、融合的卡尔曼滤波算法,得出了这种卡尔曼滤波算法的数学表达式并给出了其推导过程。我们也研究了这种卡尔曼滤波算法在信道路径损耗各异的环境里,进行量化方案优化的问题。通过仿真结果,我们发现我们对每个传感器量化比特数的优化调整,可以在能量有效的前提下,显著的提高滤波性能。