无线传感网络(WSN)是当前国际上备受关注、多学科交叉的研究热点,应用前景十分广泛。在不久的未来,无线传感器网络将充斥社会、生活、生产的方方面面。近年来,应用无线传感器网络对某一区域进行监测、或对某一目标进行跟踪引起了许多研究者的关注。由于传感器节点受自身能量、存储和处理能力的限制,许多传统的估计算法,如中心式、分散式,无法适用于无线传感器网络复杂的环境。本文以无线传感器网络应用为研究背景,重点研究了基于一致性的分布式估计算法。首先,本文深入研究了基于一致性的分布式估计算法的基本原理,重点研究了一种经典的卡尔曼一致滤波算法。针对无线传感网络在实际应用中存在的丢包问题,以最小化稳态均方估计误差为目标,提出了一种带丢包的最优一致滤波算法,应用矩阵论等工具进行了初步的收敛性分析。应用数值仿真对算法从几方面进行验证,第一算法的稳定性,并与已有的经典滤波算法进行比较；第二,网络拓扑结构固定时,比较最优一致滤波算法与已有经典算法分别在系统稳定和不稳定状态下的估计性能；第三,研究了网络拓扑结构对算法的影响,发现随着通信半径增大,算法估计精度越好。最后针对无线传感器网络在实际应用某些场合网络拓扑时变的特点,将最优一致滤波算法运用到动态网络拓扑结构中,并通过数值仿真与已有动态一致滤波算法比较,发现本文算法具有更好的估计性能,且鲁棒性更好。