本论文根据实际应用建立了运动单站被动测距的数学模型,即被动测距二维模型、三维空间模型。随着航空航天对被动测距的需要,研究三维空间的被动测距就显得尤其重要,文中主要研究三维空间下的被动测距。可观测性分析是被动测距研究非常重要的理论问题,文中利用求解析解的方式分析了可观测性。　　 工程应用中的被动测距是一个离散时间序列系统,文中利用状态空间分析方法建立了由状态方程、测量方程组成的状态空间模型。利用当前测量的观测量,和以前的观测量一起估计目标的位置坐标,将被动测距归结为非线性状态估计。文中将被动测距的估计分为固定目标的被动测距,匀速运动目标的被动测距和机动目标的被动测距来讨论。另外,采用克莱姆劳下界(CRLW)的方法计算位置坐标的理论极限精度。　　 要求解被动测距的状态空间模型,关键有两个问题:第一、位置坐标的初始值；第二、状态方程的转移函数。文中利用推广卡尔曼滤波,Unscented卡尔曼滤波(UKF)和粒子滤波方法(PF)来求解非线性状态估计。推广卡尔曼滤波能得到固定目标的被动测距的较好的估计。但是在实际应用中,EKF的估计性能与状态初始假设值有关。UKF是近年来发展较快的非线性状态估计方法,可以用于求解匀速运动观测站对固定目标、匀速运动目标的被动测距。对于被动测距的第二个问题,即状态方程的转移函数,还需要利用PF。PF根据大量的粒子,经过“采样--加权--重采样”来完成状态估计,因此在状态估计的同时便于参数学习。文中研究了利用PF完成状态估计,并实现状态方程参数学习的方法。　　 总的来讲,本文分析被动测距的数学模型,建立求解实际被动测距的状态空间模型,并利用推广卡尔曼滤波、Unscented卡尔曼滤波、粒子滤波来完成状态估计。模拟实验表明,对于匀速运动观测站对固定目标,匀速运动观测站对匀速运动目标的被动测距,能得到满意的解。运动单站的被动测距系统的研究,能充分发挥探测系统高隐蔽性的优点,对被动探测与跟踪系统的应用和推广具有重要意义。