无源定位技术是一种定位设备自身不需要对外界辐射信号,仅通过接收并分析目标辐射的信号来确定目标位置的技术,具有隐蔽性强、抗干扰能力强的特点。多站无源定位是通过设立多个观测站点获取目标位置信息,通过集中式数据处理或分布式数据处理的方式实现观测信息融合,从而实现目标定位。而实现运动目标定位跟踪需要解决的重点问题是研究其滤波跟踪算法,但由于实际定位过程中存在目标机动、环境因素、设备因素等诸多因素影响,会引发模型不匹配、量测数据随机丢失等不确定问题。若忽略此类问题,会导致定位精度下降。因此本文在多站无源定位系统的基础上,针对模型不确定、量测数据随机丢失等不确定问题,研究不确定条件下的分布式无源定位方法,研究的主要内容如下:（1）以建立多站无源定位跟踪系统为目的,对其涉及的模型及算法进行研究,建立了基于角度观测的多站无源定位观测模型和多种目标运动模型,详细介绍了多种滤波跟踪算法,并确定仿真实验性能指标。（2）研究多站无源定位跟踪问题中滤波算法,针对分布式卡尔曼滤波算法与集中式卡尔曼滤波算法相比滤波精度及收敛速度较低的问题,结合信息滤波以及分布式处理的优点,提出一种改进的分布式扩展信息滤波算法,通过增加预测信息共识步骤引入更多先验信息来提高定位精度及收敛速度。仿真结果表明,在系统模型匹配、无量测数据丢失情况下,分布式扩展信息滤波算法性能与集中式扩展信息滤波算法基本一致,具有收敛速度快,定位精度高的优点。（3）研究模型不确定下的分布式无源定位跟踪问题,主要针对由于目标运动状态发生突变导致定位跟踪系统建立的模型与目标动力学模型不匹配的情况,通过研究强跟踪滤波理论,在分布式扩展信息滤波算法基础上引入强跟踪滤波思想,推导了具有强跟踪性能的分布式强跟踪扩展信息滤波算法。此外,根据飞行目标强机动偶发特性建立一种机动判定标准,提出一种检测自适应的分布式扩展信息滤波算法,利用机动检测判断控制滤波器工作状态,当目标发生强机动时能及时将滤波器切换至强跟踪的工作状态,仿真结果表明,自适应分布式扩展信息滤波算法能有效解决状态突变导致的模型不确定条件下的定位跟踪问题。（4）研究存在量测数据随机丢失下的分布式无源定位跟踪问题,建立量测数据丢失随机模型,针对不完全量测系统,推导了量测数据随机丢失情况下的卡尔曼滤波算法,结合定位跟踪过程中非线性的特点并延伸至多观测站量测数据随机丢失情况,提出一种适用于量测数据丢失问题的分布式扩展信息滤波算法。仿真结果表明,在该算法在量测数据丢失情况下算法跟踪性能良好,在部分观测站点量测数据丢失情况下仍能实现对目标的快速准确定位跟踪,随着量测数据抵达率降低,收敛速度稍有下降,但最终仍能达到收敛状态,验证了存在量测数据丢失情况下的分布式扩展信息滤波算法可行性。