无线传感器网络（WSNs）技术的不断革新和进步,其中多个传感器之间通常以分布式的结构对目标状态进行信息处理。然而,传感器的故障、内外部因素的干扰及有限的通信信道等影响,可能会造成测量数据的延时、丢包及通信带宽受限等问题。因此,如何设计有效地分布式状态估计算法成为重要的研究问题之一,其是基于一致性估计（CE）,即通过多个传感器节点之间的相互协作,不仅有效地估计目标状态且可进一步提高估计性能。本文基于WSNs的非线性系统中存在的参数不确定性、测量丢失和动态切换拓扑等网络诱导现象,设计了不同的分布式一致性状态估计（DCSE）器。本文的主要工作内容如下:首先,研究了离散非线性系统的分布式状态估计问题,设计了基于线性一致性估计策略的分布式扩展卡尔曼状态估计（DEKSE）器。通过使用方差约束的方法,为每个节点都确定了估计器增益矩阵,从而保证在线性化误差和一致性项的影响下,状态估计误差协方差矩阵存在最优上界。并在一个具有视觉跟踪系统的移动机器人室内定位中验证了DEKSE算法的有效性。其次,研究了具有参数不确定性的离散非线性系统的分布式非脆弱性状态估计（Dn FSE）问题。同时考虑了系统本身的随机不确定性以及估计器中也可能被外界影响引起的随机干扰,利用在状态估计中增加一致性项进行补偿,不仅提高了跟踪精度,也降低了均方误差。通过EKF的递归形式,推导了最优估计增益矩阵。最后在定位系统中对所提Dn FSE算法进行了验证和分析。最后,针对一类动态切换拓扑网络上的不确定性参数非线性系统设计了事件触发分布式状态估计（ETDSE）器。引入满足伯努利分布的随机变量来表征动态开关类型和缺失测量的随机性。此外,系统参数的不确定性和滤波增益的扰动现象被描述为满足高斯分布的随机变量。同时,为了降低网络的通信速率,选择了事件触发通信机制,采用线性一致性估计构造了一种新的ETDSE算法。结果显示,即使在复杂的影响因素下,该算法仍能达到较好的性能和效果。