微弱信号检测、信源定位及目标跟踪是信号处理领域的重要研究内容，其在鱼雷、声纳、雷达等领域有着广泛的应用。如何抑制噪声(混响)提高信噪比(信混比)是微弱信号检测的关键步骤，减少阵列孔径损失、避免参数配对、提高参数估计精度是信源定位的难点所在，而借助状态空间方程高精度地递归估计目标状态是目标跟踪系统的重要环节之一。本论文的研究涉及这三个方面的内容。　　 自适应陷波器是抑制窄带混响、检测微弱信号的关键技术。本论文利用公式推导得出自适应混响中心频率估计的状态空间方程表示；然后基于“自校正”的思想，得出一种无须观测噪声方差先验信息的自适应卡尔曼滤波算法。该算法收敛速度快，能够同时完成估计混响中心频率和滤除混响的功能，可以直接在数据域执行，计算复杂度低。并和其他陷波器进行了比较。然后用M0.se混响模型产生仿真数据，进行了仿真数据的处理研究。　　 利用随机共振滤波器强有力滤除噪声的能力，结合正弦和线性调频信号在时频域内谱的特征信息，研究了被动方式下强噪声背景中微弱正弦和线性调频信号的检测。　　 针对近场窄带信源的定位问题，提出了阵列孔径利用率高、参数估计精度高、无须参数配对的信源定位新算法。主要贡献是：针对近场窄带信源传播模型，利用高阶累积量的阵列扩展能力，计算一些高维矩阵，在高阶累量域形成平行因子分析模型，然后分析了该模型具有低秩分解的唯一性，最后从分解矩阵中联合估计信源参数。　　 针对远场窄带信源的定位问题，分析了现有方法阵列孔径损失较大和需要参数配对的缺点，提出了一种阵列孔径利用率高、参数估计精度高、无须参数配对的新算法。主要贡献是：设计了有效的阵列结构，利用高阶累积量的阵列扩展能力，计算一些高维矩阵，在高阶累量域形成平行因子分析模型，然后分析了该模型具有低秩分解的唯一性，最后从分解矩阵中联合估计信源参数。　　 针对目前一些借助状态空间方程递归估计目标状态的算法在非高斯非线性情况下性能严重下降的问题，提出了一种改进的粒子滤波。主要贡献是有效设计了重要采样函数，进而嵌入到经典的粒子滤波算法提高状态的估计精度。