针对连续系统，有Kwakernaak等和Briggs等研究成果。他们通过求解一个偏微分方程来估计系统的状态。然而求解偏微分方程很难得到一个确切的解析解。
针对离散系统，我们可以利用系统增广的方法，先将系统转化为正常的系统，然后基于卡尔曼理论方法得到卡尔曼观测器。但通过增广的方法计算量很大，尤其是系统的文数较高的时候，稍微一点的时滞影响，都会产生很大的计算负担。
文献[25]给出了一个较为系统的状态估计方案，利用线性最小方差估计对带有当前的观测以及时滞观测的离散系统进行分析，计算量在很大程度上得到减少，这种方法通过对两个和系统文数相同的黎卡提方程计算，得到最优的估值器。该方法使用于连续系统的时候不需要计算偏微分方程，可以得到一个具体解。虽然目前该方法很有意义，但是仍没有得到广泛的使用。
文献[26]发表了对于输入存在时滞的系统的状态估计方法，即不确定输入时滞系统的估计方法，它主要在状态空间选择一种积分型的切换函数对不确定输入时滞系统进行系统的等价变换为正常的状态空间时滞系统，并且时滞仅仅存在于输入输出中，通过设计与原系统等价的系统的状态观测器从而观测原系统的状态以及输入量。
文献[27]给出了带有当前观测和观测时滞的广义系统的最优估计。该文献介绍了一种观测重组的方法，它基于极大似然估计方法对系统的状态进行估计，从而避免了状态增广，减少了计算负担。该方法的优点是计算量少。然而该方法的拓展研究并没有取得很大的成果 时滞系统的国内外研究现状概况(2):http://www.751com.cn/yanjiu/lunwen_30040.html