Este documento investiga la estimación de fusión distribuida de una señal para una clase de sistemas multi-sensor con incertidumbres aleatorias tanto en las salidas de los sensores como durante las conexiones de transmisión. Las salidas medidas se asumen que están afectadas por ruidos multiplicativos, que degradan la señal, y pueden ocurrir retrasos durante la transmisión. Estas incertidumbres suelen describirse mediante variables aleatorias de Bernoulli independientes. En el presente documento, el modelo se generaliza en dos direcciones: en cada sensor, la degradación en las mediciones se modela mediante secuencias de variables aleatorias con distribución arbitraria en el intervalo [0, 1]; los retrasos de transmisión se describen utilizando cadenas de Markov homogéneas de tres estados (retrasos markovianos), modelando así la dependencia en diferentes momentos de muestreo. Suponiendo que los ruidos de medición están correlacionados y cruzados tanto en tiempos de muestreo simultáneos como consecutivos, y que la evolución del proceso de la señal es desconocida, abordamos el problema de la estimación de la señal en términos de covarianzas, utilizando el siguiente método de fusión distribuida. Primero, se obtienen los algoritmos de filtrado local y de suavizado de punto fijo mediante un enfoque de innovación. Luego, los estimadores de fusión distribuida correspondientes se obtienen como una combinación lineal ponderada por matrices de los locales, utilizando el error cuadrático medio como criterio de optimalidad. Finalmente, la eficiencia de los algoritmos obtenidos, medida por matrices de covarianza de error de estimación, se muestra mediante un ejemplo de simulación numérica.