近年来,伴随着无人机行业的飞速发展,无人机的适用范围也越来越广,相应的,针对无人机的管控也亟待解决。分布式无源定位系统基于多个监测终端的接收信号,可实现无人机信号定位、跟踪轨迹等功能。利用无源定位系统,可以对无人机等典型目标进行无源探测与位置获取,满足重大活动无线电安保需求。本文主要从测向交汇定位与跟踪轨迹的关键技术这一方面对分布式无源定位系统展开研究与优化设计,包括:(1)对测向交汇定位原理进行了分析与探讨,首先介绍了在二维平面与三维空间下的测向交汇定位算法,通过对测向交汇定位算法的原理推导,分析测向交汇定位的定位精度影响因素,并结合几何稀释度(Geometric Dilution Of Precision,GDOP)对各种影响因素进行详细的仿真。然后从提高定位精度出发,在理想情况下通过观察GDOP仿真图评估区域内定位性能;在非理想情形下,建立以求取区域内平均几何稀释度为目标函数的最优化数学模型,采用粒子群算法对该模型进行求解,就二维平面区域内选择出的最优站址分布进行仿真分析,同时验证了算法的有效性。(2)具体分析二维平面内的多站交汇定位,考虑到几何定位过程中,监测站的测向误差,以及多目标测向交汇问题,本文提出了两个优化点:第一是在多站交汇定位过程中,由于测向误差,多个监测站的示向线不会交汇于目标信号源的真实位置,针对这种现象提出了基于最小二乘法优化的交汇定位模型;第二是在多监测站进行多目标定位时,可能产生大量的虚假结果点,针对这种现象,提出了在测向角与信号源关系对应时的数据分选方法,又给出了在方位角与信号源之间关系不明确时的虚假点剔除法。同时优化由于监测站测向误差与多目标定位所导致的估计误差,减小虚假定位点的产生,提高目标定位系统性能。(3)研究了信号源目标跟踪定位的问题,阐述了卡尔曼滤波(Kalman filtering,KF)技术,主要讨论了扩展卡尔曼滤波(Extended Kalman Filter,EKF)与无迹卡尔曼滤波(Unscented Kalman Filter,UKF),另外考虑到目标运动模型不单一的情况,介绍了基于多模型的交互多模型(Interacting Multiple Model,IMM)算法。针对不同滤波跟踪方法,在基于测向交汇定位的基础上,仿真对比了EKF与UKF在机动目标跟踪中的性能,验证了IMM算法在多模型时的优越性,并通过测试数据对跟踪滤波技术的效果进行了验证。