观测含时滞与未知输入线性系统在网络数据传输系统、制造系统以及交通控制系统等领域有着广泛的应用。受制于节点的计算资源、节点间通信带宽以及外部环境对节点的干扰,观测数据中通常会出现时滞与未知输入。此外,在传输链路上可能会发生丢包现象。时滞、未知输入及丢包的存在会影响数据处理中心对数据估计的准确性,从而降低基于状态估计的控制动作的精确度,甚至造成系统不稳定。因而观测含时滞与未知输入系统状态估计问题受到众多学者的关注。针对观测含有时滞的线性系统,以往学者通常使用状态扩维或偏差分方法来处理时滞问题,但这两种方法计算复杂度高,对计算资源有限的应用场景来说是不友好的。通常情况下,在对系统进行建模时往往假定噪声为高斯的,但由于实际系统所处的外部环境不一定理想,可能会存在统计信息未知的干扰(未知输入),这些未知输入会对系统状态估计造成不利影响。在观测系统中,受带宽资源以及外部环境对通信链路的干扰,观测数据还可能出现丢包的现象,丢包导致观测数据不完整,从而降低系统状态估计的准确性。本文针对上述问题,作了如下研究工作:(1)针对观测含有时滞与未知输入的线性系统,首先利用新息重组方法重新组织观测数据得到与其等价、无时滞的观测数据。然后根据无偏性对未知输入进行处理得到系统限制条件。最后根据最小方差估计原理结合拉格朗日乘子法求解系统状态估计器。(2)针对观测含有时滞与未知输入同时存在丢包的线性系统,首先采用多维对角矩阵来刻画丢包,解决了以标量刻画丢包时系统状态中各个分量在丢包发生时数据均丢失的问题,较为准确地刻画了丢包的统计规律。然后根据无偏性对未知输入进行处理得到系统限制条件。最后根据最小方差估计原理求解系统状态估计器。(3)根据以上提出的估计器,使用MatLab进行仿真实验,证明了所提出的状态估计器是有效的。