机动目标跟踪是一种对不可准确描述的运动目标状态的连续估计问题,在许多领域有着广泛的应用,其波达方向(Direction of Arrival, DOA)往往也随着时间变化,无法准确描述。所以,DOA跟踪技术的研究有着非常重要的理论和实际意义。本文首先依据阵列信号处理模型和匀速模型(Constant Velocity,CV)建立了机动目标的DOA跟踪模型,即状态空间模型。分别研究了扩展卡尔曼滤波跟踪算法和两类子空间跟踪算法,在状态空间模型下,得到几种典型的DOA跟踪算法,通过仿真分析验证了跟踪的有效性,并对比了跟踪性能。论文接着详细介绍了一种新兴的非线性滤波方法——粒子滤波算法(Particle Filter,PF),并将其应用到DOA跟踪领域。针对标准粒子滤波算法在机动目标DOA随时间快速变化导致跟踪精度下降、实时性变差及多目标跟踪误差大等不足的问题,提出了几种改进的粒子滤波DOA跟踪算法。仿真分析了不同信噪比、不同粒子数下跟踪性能的差异及收敛特性。结果表明,与传统子空间类跟踪算法和标准粒子滤波方法相比,本文方法跟踪精度更高,收敛速度更快,抗噪能力及鲁棒性更强,对轨迹交叉的多目标跟踪问题性能明显改善。最后依据矢量传感器可以同时采集声场中共点的声压和振速信息的特点,结合粒子滤波算法,给出了一种基于单矢量传感器的粒子滤波DOA跟踪算法。在动态的跟踪模型下,推导和计算了后验克拉美罗界(PosteriorCramer-Rao Bound,PCRB),得出了影响下限的两个因子.:信噪比和快拍数,并以此仿真了 PCRB和CRB曲线。用基于单矢量传感器的DOA跟踪算法和Capon空间谱估计算法跟踪DOA得到的PCRB和CRB曲线与仿真的PCRB和CRB曲线作对比,其变化规律基本吻合,验证了 PCRB推导和计算的正确性,得到了动态跟踪模型下比CRB更低的PCRB。