研究带乘性噪声随机系统的信号估计方法是信号处理理论的重要内容,本文主要研究带乘性噪声广义系统信号估计的数值稳定性算法和抗野值算法。在工程实践中,广义系统是一类形式更一般化的系统,许多实际系统用广义系统模型描述起来更符合实际。起初对广义系统的研究成果,一般都是针对不带乘性噪声广义系统而展开的。近几年来,一些学者把广义系统的研究推广至带乘性噪声情形,在线性最小方差准则下,给出了这类系统的最优估计算法,丰富和发展了广义系统的估计理论。但这些算法在进行实际应用时可能会出现数值不稳定现象,轻则影响算法的计算精度,重则导致算法发散甚至完全失效。另外,观测数据中的野值数据对算法的计算精度影响很大,这些算法也没有给出野值的处理方法。本文针对以上两个问题,主要研究了带乘性噪声广义系统最优估计的数值稳定性算法和抗野值算法,具体完成了以下工作：第一,针对带乘性噪声广义系统,基于广义系统的第一种受限等价变换,结合现有的最优滤波算法,利用矩阵的奇异值分解,在线性最小方差准则下,得到了系统状态最优滤波的数值稳定性算法。第二,在线性最小方差准则下,推导出了带乘性噪声广义系统状态最优平滑的直接算法。并基于此算法,利用最优滤波数值稳定性算法的结果,得到了系统状态最优平滑的数值稳定性算法。同时,根据最优滤波推导过程中系统的特点,给出了随机输入信号最优估计数值稳定性算法的提取方法。第三,基于状态空间模型,根据新息序列的性质,采取对新息进行加权的方法,得到了带乘性噪声广义系统状态滤波的抗野值算法。同时,结合状态最优滤波的数值稳定性算法,给出了系统状态滤波的数值稳定的抗野值算法。第四,本文除了在理论上对所有的算法进行推证之外,还进行了大量的仿真研究,仿真结果表明了上述各算法的有效性。