随着通信技术、计算机技术、电子信息技术的飞速发展,网络化控制系统得到了国内外学者的广泛关注。由于网络化控制系统的低成本、数据传输便捷、易于远程操控等优点,网络化控制系统在自动控制领域内显示出强大的生命力。然而,随着控制系统模型繁杂,网络规模不断扩大,以及网络环境中诸多不确定性因素的影响等,使得网络化控制系统的估计问题变得困难。若不能建立有效的数学模型和估计算法势必导致估计不准确甚至发散。本文研究了带未知丢失观测率、衰减观测率和观测噪声的多传感器网络化系统的自校正融合估计算法。主要研究内容如下:对带未知丢失观测率的多传感器网络化系统,采用伯努利随机变量描述丢失观测现象,且数据包被成功接收到的概率未知。首先,通过系统辨识理论,采用相关函数在线辨识观测收到率。然后,将实时辨识的观测收到率代入滤波估计算法中得到相应的自校正滤波算法。基于射影理论推导了局部传感器自校正Kalman滤波器。推导了任意两个局部传感器间的估计误差互协方差阵,分别应用按矩阵、标量、对角阵三种加权融合算法,获得了分布式自校正融合滤波器。最后,针对集中式融合的高维观测方程,采用加权最小二乘算法和矩阵满秩分解得到降维的观测方程,基于降维观测方程提出了加权观测融合自校正Kalman滤波器。对带未知衰减观测率和观测噪声方差的多传感器网络化系统,采用取值为[0,1]区间的随机变量来描述衰减观测现象,且衰减观测率未知,观测噪声方差未知。在观测噪声方差已知的情况,采用相关函数辨识描述衰减观测的随机变量的数学期望和方差。进而基于辨识的数学期望和方差,提出了局部传感器自校正Kalman滤波器,按矩阵、标量、对角阵三种加权分布式自校正融合滤波器和加权观测自校正融合Kalman滤波器。当衰减观测率和观测噪声方差均未知时,将观测方程等价变形,采用相关函数辨识描述衰减观测随机变量的数学期望和观测噪声方差。基于辨识结果代入到相应的局部滤波器、分布式融合滤波器和加权观测融合滤波器中,提出了相应的自校正估计算法。最后基于动态误差分析法证明了自校正融合算法的收敛性。