对辐射源的无源定位跟踪具有隐蔽性好、目标识别率高、探测距离远等优势,在电子侦察、远程预警、搜索救援等军用及民用领域均有广阔的应用前景,因此吸引了广泛的研究兴趣。本文研究基于多个运动观测站的时差/频差无源定位及无源跟踪这两类问题。对无源定位的研究,根据时差/频差观测量是否存在模糊分为:（1）无模糊观测条件下的目标定位;（2）模糊观测条件下的目标定位。对无源跟踪的研究则根据运动目标是否存在机动分为:（1）对巡航目标的跟踪;（2）对机动目标的跟踪。本文主要研究内容归纳如下:1、针对现有时差/频差定位方法在大观测噪声或大等半径条件下可能存在的定位解算数值不稳导致定位失败等问题,本文分如下两种情况进行研究:（1）求解高阶方程导致的定位解算数值不稳。结合对地球表面已知高程目标的时差/频差定位,推导了一种改进的约束加权最小二乘目标定位算法。在假设目标-主站距离给定的条件下,该算法仅需求解阶数更低的多项式方程,因此即使在大观测噪声条件下,该方法仍可呈现出比现有定位方法更强的鲁棒性;（2）定位场景自身构型较差导致奇异矩阵求逆,引起定位解算数值不稳。针对该问题,结合大等半径条件下的目标定位,通过对观测方程进行线性建模,提出了一种比现有方法理论上更简单且计算复杂度更低的时差定位方法,避免了奇异矩阵的求逆问题。理论分析证明了在强大等半径条件下该方法的定位性能可达到其理论精度的克拉美罗下界,仿真分析表明,在进行偏差补偿及一次迭代修正后,即使当大等半径条件较弱时,该方法也能达到较好的定位精度。2、针对时差/频差观测量存在模糊的目标定位问题,（1）通过假设相邻时刻模糊数跳变值可观测,提出了一种基于批处理的整数最小二乘定位算法,并对解模糊概率进行了理论分析。该方法综合使用所有历史观测数据对目标进行定位解模糊。蒙特卡洛仿真验证了该方法的解模糊概率能快速收敛到其理论值附近,并且在小噪声条件下,当定位算法的仿真解模糊概率接近100%时,其解模糊后的定位精度可达到无模糊条件下的理论克拉美罗下界。（2）考虑到在实际应用中,当观测时间间隔较大时,上述假设可能不成立,为此提出了一种基于多假设的序贯定位解模糊方法。该方法从贝叶斯滤波的角度推导了目标位置与未知模糊数的联合后验概率分布,继而实现了序贯定位解模糊。蒙特卡洛仿真验证了在不对相邻时刻模糊数跳变值做任何假设的前提下,该方法仍能产生与上述基于批处理整数最小二乘定位方法较为接近的性能。3、巡航目标跟踪问题。假设非合作运动目标不存在机动,且目标运动模型近似已知。考虑到在高斯混合滤波算法中,现有高斯成分管理方法在系统可观测性较弱的条件下呈现出目标跟踪丢失率高、系统非线性强导致目标跟踪性能差等问题,本文提出一种改进的高斯混合容积求积卡尔曼滤波算法。主要创新点包括:（1）提出一种自适应量测更新顺序方法以降低滤波过程中的系统非线性;（2）提出一种基于新息修剪的高斯成分管理方法以降低目标跟踪丢失率。仿真分析表明,相较于量测按固定顺序更新或联合更新,本文提出的自适应量测更新顺序方法可获得更优的目标跟踪性能。另一方面,与现有高斯成分管理方法相比,即使在系统可观测性较弱的条件下,本文提出的基于新息修剪的高斯成分管理方法仍可产生最低的目标跟踪丢失率。4、机动目标跟踪是较为典型的多模型滤波问题,在该问题中,目标运动模型存在不确定性。现有基于多模型的滤波算法,如交互多模型滤波算法、一阶及二阶广义伪贝叶斯滤波算法均假设一组可行的候选模型处理上述目标运动模型存在不确性的问题。然而,由于最优多模型滤波算法较难实现,上述方法采用矩匹配逼近将滤波结果中的高斯混合分布近似为单个高斯分布,因此引起了一定的跟踪性能损失。为降低矩匹配逼近对算法滤波性能的影响,本文提出了一种改进的二阶广义伪贝叶斯滤算法。该方法从变分推断的角度分析了矩匹配逼近对目标跟踪性能的影响,通过在模型后验概率更新阶段引入概率修正因子提高了算法的跟踪性能。蒙特卡洛仿真验证了改进的二阶广义伪贝叶斯滤波算法在性能上优于交互多模型及标准二阶广义伪贝叶斯滤波算法。