分布式声纳多目标被动定位系统,不仅需要处理目标信号级层面的数据,还需要对目标特征级层面的数据进行处理。本文针对目标特征级层面数据处理所遇到的问题,研究了多目标被动定位中的两个关键技术,即目标轨迹增强技术和目标关联技术。并且设计实现了分布式声纳多目标被动定位软件,该软件可实时监测显示目标的运动状态,有助于指挥员做出合理的指挥决策。在多目标被动定位过程中,弱目标容易受到强目标干扰,导致声纳输出的方位历程图中弱目标轨迹淹没在干扰中。针对这一问题,可以利用图像处理技术提高弱目标轨迹清晰度,便于对目标进行后续放大跟踪。本文研究了三种图像处理方法:一是直方图均衡化法,通过非线性变换使图像灰度均匀分布,提高图片清晰程度;二是直方图分段线性变换法,设计线性映射函数抑制背景区段并拉伸目标区段,提高图像对比度;三是图像边缘检测与直方图分段均衡结合法(NIDO-ODSHE),先与图像边缘检测算子卷积然后进行直方图分段均衡,使目标轨迹边缘更清晰。仿真结果表明,直方图均衡化法能够增加弱目标轨迹强度,但不能很好地抑制背景噪声。直方图分段线性变换法在目标强度均较小的情况下,可以有效抑制背景噪声并提高目标轨迹清晰度,其处理效果受到目标强度的影响。NIDO-ODSHE方法在目标轨迹变化速率较慢的情况下,处理效果较好。在多目标被动定位过程中,目标批次划分的正确与否影响着定位解算结果的准确性。针对这一问题,本文研究了两种多目标数据关联算法。一是目标方位数据关联,本文给出粗关联的统计量形式以及判决门限,对粗关联后的不确定集合再次进行细关联,提高数据关联速度。二是目标特征关联,本文利用灰色系统理论和系统聚类分析方法判断目标间的相似程度。并实现目标自适应熵权灰色关联度算法,与人工赋权相比,该算法能够反映不同特征重要程度,不受主观因素的影响。仿真证明两种算法均能较好地实现目标正确关联。最后,通过功能需求分析,设计实现了分布式声纳多目标被动定位软件。软件实现了本文研究的目标轨迹增强算法和数据关联定位算法,并完成数据传输、文件管理、人机交互等功能。结合仿真数据进行实验室联调测试,证明了软件的正确性与稳定性。