近年来，无线传感器网络系统基于成本低、操作灵活以及可靠性高等众多优点，受到业内人士的高度关注，并已被广泛应用到了军事监控、环境测试、空间探索以及智能传输等很多领域。由于无线传感器网络存在能量有限和传输信道带宽有限的问题，传输的数据可以在传输之前通过量化来减少传输需要的位数，同时可以减少传输所需的能量消耗。同时，通信的不可靠性将会造成在传输的过程中丢失数据的现象。因此，对存在丢包现象的无线传感器网络系统开展基于量化传输数据的滤波算法的研究。主要研究内容如下：在无线传感器网络系统中，采用均匀量化方法对各传感器的观测数据进行量化。然后将量化的数据传输给融合中心进行融合滤波，在传输的过程中存在随机丢包现象。当丢包在每个时刻发生的概率已知时，提出了具有量化观测数据丢包的集中式融合量化观测Kalman滤波器。当量化数据的丢包情况在每个时刻已知时，提出了具有随机丢包的加权观测融合量化观测Kalman滤波器。基于传输各传感器的新息，由于新息值较小的特性，采用了两种量化方法对存在随机丢包的无线传感器网络系统分别进行了研究。一种量化方法为简单地根据新息的正负进行量化，这种方法对带宽以及能量的要求低，基于射影定理得到存在随机丢包的局部SOI Kalman滤波器，同时根据分步式融合算法获得存在随机丢包的分步式融合SOI Kalman滤波器；另一种量化方法为均匀量化，基于将量化噪声方差近似为其上界，根据标准Kalman滤波方法得到存在随机丢包的局部量化新息Kalman滤波器，进而由分步式融合算法获得分步式融合量化新息Kalman滤波器。最后基于传输各传感器的局部状态估值，将标量均匀量化方法推广到了对向量进行量化，分别采用了两种方法对存在随机丢包的无线传感器网络系统进行了融合滤波的研究。一种为融合中心只对当前时刻接收到的局部量化状态估值进行融合，获得了次优融合量化状态估值Kalman滤波器。另一种为对在当前时刻局部状态估值丢失的传感器用前一时刻的状态估值进行预报来获得当前状态估值，然后采用协方差交集算法获得修进型次优融合量化状态估值Kalman滤波器。并且进行了大量的仿真研究，证明了上述理论的有效性。