水下目标定位跟踪一直是水声信号处理领域的研究热点之一。随着自主水下航行器（Autonomous Underwater Vehicle,AUV）的发展,基于水下移动传感器网络的目标定位跟踪越来越受到重视。其通过多个平台的分布式接收,可获得关于目标更完整与可靠的信息,对目标定位跟踪具有重要意义。AUV常搭载线阵对目标进行观测,而利用线阵波束形成估计目标方位时存在左右模糊的问题。此外水下声传播环境复杂,目标信息通常隐含在大量干扰中,各平台角度测向线之间的交点不仅包含真实目标位置,也存在假目标干扰。最后,利用线阵进行方位估计时,端射方向角度分辨率低,使得纯方位估计位置误差变大。针对前述问题,论文的研究工作主要包括以下三个部分的内容。首先,针对水下多目标定位问题,将经典的目标定位方法应用到多AUV多目标定位场景中。构建了针对多AUV纯方位角观测的状态空间模型,并在此基础上对较为经典的多目标定位跟踪方法进行研究。分别介绍了基于能量积累的检测前跟踪方法,基于随机有限集的概率假设密度方法和基于数据关联的多假设跟踪（Multiple Hypothesis Tracking,MHT）方法,并将三种方法应用到多AUV目标定位跟踪场景中。最后分别在单目标和多目标场景下对三种方法进行仿真分析,比较算法性能。其次,针对MHT方法在水下干扰密集环境下计算量急剧增大而影响定位性能的问题,提出了适用于水下多平台的MS-MHT（Multi-Stage Multiple Hypothesis Tracking,MS-MHT）方法。该方法基于两级MHT,第一级利用MHT在每个平台上进行角度跟踪,在形成角度航迹的同时滤除大量干扰点;第二级利用MHT方法对第一级输出的角度航迹进行关联,然后使用扩展卡尔曼滤波对多平台数据进行序贯融合以实现多目标位置估计。针对扩展卡尔曼滤波对初始状态敏感的问题,使用多平台联合似然概率估计多目标的初始位置。仿真和海试数据结果均说明MS-MHT方法能以更少计算量实现更优的定位性能。在低信噪比及多干扰环境中,与MHT集中融合相比,该方法降低了目标丢失概率,进一步提高了定位精度。最后,针对线阵在端射情况下方位估计误差大而导致目标定位精度下降的问题,结合海洋环境场信息,提出了纯方位估计联合匹配场定位的方法。通过纯方位估计结果为匹配场方法提供待估计目标的大致搜索区间以提高匹配场搜索的效率,降低算法计算量;同时利用匹配场定位结果对目标在端射情况下的位置估计结果进行修正,以提高目标定位精度。最后结合南海实际环境场数据,对该方法在不同场景下进行了仿真分析。结果表明,结合匹配场的定位方法可获得目标的三维位置估计,同时加快算法收敛,减小目标定位误差,在端射情况下能显著提高目标定位精度。