近年来,随着无线通信技术的发展和传感器节点性能的提升,无线传感器网络(Wireless Sensor Networks, WSNs)在众多领域得到了广泛的应用。在多传感器估计系统中引入无线通信网络作为传感器节点与数据处理中心或邻居节点之间信息传输的枢纽,构成了无线网络化多传感器估计系统(Wireless Networked Multi-Sensor-Based Estimation Systems, WNMESs)。目前,WNMESs已成为一个热点研究课题。WSNs在多传感器估计系统中的应用一方面带来了部署方便、易维护、成本低、可靠性高、容错性好和可扩展性强等优点,另一方面也带来了传感器节点能量受限、通信信道约束和传感器数据不同步等问题。本文基于集员估计理论、投影定理、Lyapunov理论、最小方差估计方法和协方差交叉融合算法,研究了基于量化通信、传感器调度、聚类传感器信息和异步传输的多传感器估计问题。研究工作及取得的主要创新性成果包括：1.针对能量受限和带宽约束的WNMESs,研究基于邻域量化通信的分布式集员估计问题。采用对数量化器,对待传输信息进行量化处理。基于节点自身观测值和从邻居节点处接收到的局部交互信息,通过将对数量化误差转化为有界不确定项,推导出分布式集员估计算法。给出满足分布式集员估计器存在性的一个充分条件,并将估计器增益的设计问题转化为求解一凸优化问题。通过移动目标的二维动态模型和三维动态模型验证所提方法的有效性。2.研究具有随机传感器失效和量化通信的分布式一致性Kalman估计问题。邻居节点间的编码通信由概率量化机制来实现。推导了估计误差矩阵的递推方程和估计性能指标的上界,并给出了保证上界收敛的充分条件。针对能耗是否受限的不同情况,根据估计性能和量化参数的关系构造了两类优化问题,通过求解优化问题确定Kalman估计增益和量化字长的最优值。最后,通过仿真算例验证所提方法的有效性。3.针对由单信道约束引起的通信受限问题,提出一随机竞争传输策略,并给出了基于置零输入机制和保持输入机制的混合存储方案。通过引入随机变量刻画传感器的传输状态,将WNMESs描述为一周期性离散随机系统,并采用正交投影理论给出基于随机竞争传输和周期性混合存储的多传感器Kalman估计算法。通过连续搅拌釜式反应器和目标跟踪系统验证所提方法的有效性。4.研究单信道异质传感器网络中的多传感器H∞估计问题。采用随机竞争传输策略对所有传感器节点进行调度,使得各传感器的量测信息以严格异步的方式发送到估计器端。采用Lyapunov理论导出多传感器H∞滤波器,其中滤波器增益通过求解一线性矩阵不等式获得。基于从传感器处收到的异步采样信息,估计器利用所得的滤波算法等周期地产生估计值。最后,通过仿真算例验证所提方法的有效性。5.研究单信道异质传感器网络中的多传感器非等周期最小方差估计问题。采用随机竞争传输策略和混合存储策略分别进行传感器调度和量测信息存储。同时考虑随机传感器失效现象,引入Bernoulli变量刻画传感器失效过程。引入能耗函数建立WNMESs的性能指标,并将目标状态的非等周期估计问题转化为具有条件约束的最小二乘优化求解问题。利用最小二乘估计方法得到目标的最优估计,并对估计算法的性能进行分析,给出估计误差的上界和满足该上界收敛的一个充分条件。通过人工水渠系统验证所提方法的有效性。6.研究基于聚类传感信息和异步局部传输的分级融合估计问题。采用分级估计策略,通过先局部聚类估计再集中融合的方式对目标状态进行估计。采用最小方差估计方法设计局部估计器,利用协方差交叉融合方法设计基于异步局部估计值的融合估计器,并给出融合精度分析。最后,通过仿真算例验证所提方法的有效性。