随着科技的发展,网络已经在日常生活中广泛地应用。并且由于网络本身拥有传输距离远、通信可靠、抗干扰等优点,采用网络来替代工业中传统的传输方式是极其具有实际意义的。因此,网络化控制已经被广泛地研究,并且应用于许多实际的工业现场中。状态估计是控制理论研究中的一个重要部分,因为状态对于控制系统是非常重要的,现今的大部分控制方法都是基于状态反馈的控制方式。对于一个实际系统,如果无法获得系统准确的状态,那么将对该系统的控制造成很大的困难。因此,状态估计在网络化控制的研究中是一个十分重要的问题。本文针对存在时延丢包的不可靠网络系统,基于Kalman滤波理论对以下几个方面的问题进行了研究。首先,针对一个存在马尔科夫丢包的不可靠网络系统,研究了在该系统下的网络化Kalman滤波问题。在传感器端设计了一个基于面积差的变采样的采样策略,实现了对采样器资源和网络资源的节约。并且基于Kalman滤波理论,设计了存在变采样和马尔科夫丢包情况下的Kalman滤波器,该滤波器可以在数据包丢包情况下仍能实现较好的估计性能。进一步,通过研究滤波器的预测误差协方差的峰值有界性和一般有界性,证明了该滤波器估计误差的收敛性。其次,针对一个存在定长传输时延和伯努利丢包的多传感器系统,研究了在该系统下的多传感器状态估计问题。通过设计了一种分层融合的策略提高了多传感器系统在不可靠通信情况下的估计性能。并基于该策略设计了一个融合算法,实现了在不可靠网络通信情况下提高估计性能的目的。最后,考虑一个存在时变传输时延的传感器网络,设计了一个分布式Kalman滤波器,实现了当不同传感器节点之间存在传输时延情况下传感器网络中的每个节点仍能对该目标实现准确的估计。并且基于设计的算法,证明了该分布式Kalman滤波器的估计误差的收敛性和协方差的有界性。