根據可獲取的量測資料估算動態系統內部狀態的方法。對系統的輸入和輸出進行量測而得到的資料隻能反映系統的外部特性，而系統的動態規律需要用內部（通常無法直接測量）狀態變數來描述。因此狀態估計對於瞭解和控制一個系統具有重要意義。在確定性情形下，線性系統的狀態估計的主要方法有呂恩伯格觀測器（見狀態觀測器）。隻有系統的能觀測部分(見能觀測性)的狀態才能重構，而且能以任意快的速度來重構，但在具體實現時則受到雜訊、靈敏度等因素的限制。在系統的裝置或其觀測通道受有隨機雜訊幹幹擾時，則必須用統計估計方法來處理。依觀測數據與被估狀態在時間上的相對關系，狀態估計又可區分為平滑、濾波和預報三種情形。為瞭估計t時刻的狀態x(t),如果可用的信息包括t以後的觀測值，就是平滑問題。如果可用的信息是時刻t以前的觀測值，估計可實時地進行,稱為濾波問題。如果必須用時刻(t-Δ)以前的觀測來估計經歷瞭Δ時間之後的狀態x(t)，則是預報問題。狀態估計中所應用的方法屬於統計學中的估計理論。最常用的是最小二乘估計，其他如風險準則的貝葉斯估計、最大似然估計、隨機逼近等方法也都有應用。
N.維納和A.H.柯爾莫戈羅夫最早對平穩隨機噪聲作用下的線性系統提出按均方差最小為準則的狀態估計方法（見維納濾波），奠定瞭這一領域的基礎。但它不是一種遞推的方法,需要處理全部歷史數據,而且不適用於非平穩隨機過程的情形。卡爾曼濾波（見卡爾曼-佈什濾波）是一種遞推的方法，它隻須實時地不斷對新獲取的數據進行運算，迭代地改進原有估計，使計算量大為減少。這種方法還可處理非平穩隨機過程的情形，適於用數字計算機在線工作，在許多領域得到瞭廣泛的應用。對受有隨機噪聲幹擾的系統進行控制，常是先按確定系統的方法設計出理想的狀態反饋，然後設計狀態估計器,並用估計值代替真實狀態來實現反饋律（見隨機控制理論）。對於線性二次型高斯(LQG)隨機控制問題,這種做法可以得到最優的結果。因此卡爾曼濾波技術在隨機控制問題中也有重要的應用。
不管是維納濾波還是卡爾曼濾波，這些方法都隻適用於線性系統，而且需要對被估計過程有充分的知識。對於非線性系統或對動態系統特性不完全瞭解的復雜估計問題，還需要深入研究。工程上可用一些近似計算方法來處理，常見的有基於局部線性化思想的廣義卡爾曼濾波器、貝葉斯或極大後驗估值器和可以根據濾波過程的歷史知識自動修改參數的自適應濾波或預報技術等。
參考書目
A.P.塞奇、J.L.梅爾薩著,田承駿、唐策善等譯:《估計理論及其在通訊與控制中的應用》,科學出版社,北京，1978。(A.P.Sage and J.L.Melsa,Estimation Theory with Applications to Communications and Control, McGraw-Hill, New York, 1971.)