观测带随机滞后的系统普遍存在于很多实际应用中,例如,在网络控制、通信系统中,由于传输通道的多变性和通信的不可靠性,可能会导致一步或多步的随机观测滞后从而导致系统性能下降。体现在观测方程中就会存在观测随机滞后项。其中随机观测滞后可通过Bernoulli分布的随机变量来描述。本文将对具有随机观测滞后的多传感器线性离散随机系统开展分布式信息融合估计算法研究。主要研究内容如下：基于射影定理,利用状态增广方法,将带一步随机观测滞后的线性离散随机系统转化为增广的不带滞后的系统。针对新的增广系统,提出了基于单传感器系统的线性最小方差最优Kalman估值器。进一步,对多传感器一步随机观测滞后随机系统,推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后,基于分布式线性最小方差加权信息融合估计算法,给出了分布式加权信息融合Kalman估值器。基于射影定理,利用非增广方法,对带一步随机观测滞后的线性离散随机单传感器系统,提出了的线性无偏最小方差Kalman满阶滤波器和预报器。进一步,对多传感器一步随机观测滞后随机系统,推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后,基于线性最小方差加权信息融合估计算法,给出了分布式加权信息融合Kalman滤波器和预报器。对带多步随机观测滞后的线性离散随机系统,利用状态增广方法,首先,提出了基于单传感器系统的线性最小方差最优Kalman估值器。进一步,对多传感器带多步随机观测滞后随机系统,推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后,基于线性最小方差最优加权融合算法,给出了分布式加权信息融合Kalman估值器。