近年来,随着对多传感器信息融合这一技术的深入研究,时滞系统的状态估计问题已经引起越来越多的关注。在多传感器系统中,由于系统本身固有的原因或者是元器件老化等不可靠外界因素的存在,很多时候时滞都是不可避免的。如果控制系统中含有时滞,则相当于加入了额外的相移,这将导致控制系统趋向于不稳定,进而对系统的控制性能有着极为不利的影响。特别是因为时滞的存在,使得在进行多传感器信息融合时,局部传感器间的互协方差阵的计算尤为复杂。为了减小融合算法的复杂性,可以使用仅基于局部状态估计及其对应的误差方差阵的SCI融合估计算法。因为避免了局部传感器间的互协方差阵的计算,SCI融合估计算法是一种保守的融合估值方法,但可以显著地减小计算负担。本文在射影定理和线性最小方差准则的基础上,对多时滞多传感器系统,利用SCI融合估计算法进行系统状态的融合估计,主要研究内容包含如下的几个方面:首先,分别针对带不相关噪声的观测滞后多传感器系统、带相关噪声的状态滞后多传感器系统和带有色噪声的状态滞后多传感器系统,基于已有的局部状态估计器,分别给出了系统的SCI融合状态估计,避开了传感器间的互协方差的计算,与按矩阵加权的分布式融合估计器相比,可显著地减小计算负担,并得到一致性融合估计。然后,对带有不相关噪声的观测滞后多传感器系统,运用现代时间序列方法,根据系统的状态空间模型,利用左素分解和Gevers-Wouters算法进行ARMA新息模型的推导,将系统中存在的观测时滞自然地嵌入其中。利用射影定理推导局部传感器的非递推Kalman滤波器表达式及其对应的估计误差方差阵,并基于统一的稳态白噪声估计理论,利用SCI融合估计算法,实现对带观测滞后多传感器系统的融合滤波器设计。将现代时间序列方法与SCI融合估计算法相结合,对多时滞多传感器系统的研究有重要意义。最后,在前文研究的基础上,设计多传感器系统的两段式融合估计结构,实现系统状态的SCI融合估计。在第一段融合中心,将局部传感器根据相似的结构进行分组,每组传感器将它们的观测信息发送到相应的局部传感器中心,然后利用加权观测算法,可以得到第一段的融合状态估计。在第二段融合中心,利用SCI融合估计算法得到最终系统状态的融合估计,与单一的使用SCI融合估计算法相比,两段式融合估计结构对系统状态具有更高的估计精度。通过若干的仿真研究,验证了 SCI融合估计算法在处理多时滞多传感器系统状态估计问题上的有效性和优越性。