随着计算机、通信和传感器技术的发展,多传感器信息融合技术已经成为各领域学者重点关注的焦点之一.由于通信宽带的限制和网络的承载能力等诸多因素的影响,从而导致数据在传输过程中会出现丢失的现象.所以,网络系统中假设估值器接到的是完整的观测数据并进行状态估计,就会得出错误的结果,进而可能对生产和工程造成损失.因此,研究具有数据丢失的多传感系统信息融合问题具有十分重要的意义.首先,对具有丢失观测多传感器系统推导了一类线性最小方差最优线性状态估值器.通过将具有丢失观测的系统模型等价地转化为常规系统的状态空间模型,在已有文献的基础上,提出了具有丢失观测的集中式融合估值器、加权观测融合估值器和最优分布式融合估值器.其次,针对在实际系统中往往存在建模误差和外部干扰等不确定性,这些不确定因素导致系统含有不确定项.而随机不确定性可通过乘性噪声描述.对同时含有乘性噪声和丢失观测的多传感系统.通过将乘性噪声转化为加性噪声,提出了集中式融合估值器、加权观测融合估值器和最优分布式融合估值器.最后,对具有乘性噪声和丢失观测广义系统,通过非奇异变换将广义系统等价的转化为两个降阶的子系统,应用射影理论对子系统分别设计了状态估计和白噪声估计算法.进而,提出集中式融合估值器和加权观测融合估值器.