在实际的复杂网络中，为了有效地实施系统监控、系统调节及故障诊断等，及时了解网络的状态信息显得尤为重要。但通常网络的所有状态信息未必都可以测量到，只有系统的部分信息(或输出)能被直接测量，那么如何利用系统的部分输出信息来确定网络的其它状态信息就是网络的状态估计问题。关于复杂网络的状态估计方面的研究刚刚起步。本文着重研究时延复杂网络的状态估计，主要内容如下：　　一、分别研究状态耦合和非线性耦合时延复杂网络的降维状态估计问题。在实际网络中，节点的部分状态是可以通过节点的输出量直接获得的，这部分状态是无需进行估计的。与全维估计器相比，降维估计器维数较低，结构简单。根据Lyapunov稳定性理论和线性矩阵不等式，给出了复杂动态网络降维状态估计器存在的充分条件和设计准则。最后，分别对BA无标度网络和小世界网络进行仿真，验证所设计估计器的有效性。　　二、考虑实际网络中存在扰动，针对一类多时变时延的复杂动态网络，设计了一种鲁棒降维状态估计器。同时，考虑了网络节点中存在的扰动，在保证误差系统稳定的基础上，状态估计满足H?性能指标。利用Lyapunov函数和线性矩阵不等式，给出了复杂动态网络的鲁棒降维状态估计器存在的充分条件和设计准则。最后，通过数值仿真验证了所设计的降维估计器的有效性。　　三、研究输出耦合时延复杂动态网络的保性能状态估计问题。由于网络中只有部分节点状态可知，考虑网络节点间通过输出量实现耦合。考虑到状态估计性能会因时延而恶化，设计了一种保性能状态估计器，不仅使误差系统稳定，还保证因时延而引起的状态估计性能恶化不超过某个上界值。利用Lyapunov函数和线性矩阵不等式的方法，给出了复杂动态网络的保性能状态估计器存在的充分条件和设计准则。并通过数值仿真验证状态估计器设计准则的有效性。