本课题研究了单/多传感器测向无源定位技术及主被动雷达关联融合这两个目标跟踪领域研究者们关注的研究热点。主要提出了一种新的测向跟踪滤波方法——转换瑞利滤波器(shifted Rayleigh filter，SRF)，推导其集中式滤波公式和相应的交互式多模型算法实现多被动传感器融合定位跟踪，进一步提出了一种适合于对固定和运动目标定位跟踪的自适应选择跟踪算法。同时提出了修正极坐标(modified polar coordinates，MPC)下的主被动雷达关联算法，并构建了主被动雷达关联融合跟踪系统。　　本课题的主要工作和所取得的结论可概括如下：　　1)针对单被动传感器运动目标跟踪存在固有的强非线性和弱可观测性问题，提出了基于CSRF的多被动传感器目标跟踪算法。推导CSRF的算法流程，建立了被动多站的观测模型，并与交互式多模型结合，提出并推导IMMCSRF，实现了对机动目标的被动跟踪。　　2)针对固定目标独有特点对IMMCSRF算法进行改进，提出了IMMMSRF算法，并进一步为了解决其收敛速度较慢且无法适应非高斯噪声的情况，提出了一种改进的IMMMSRF的固定目标定位算法。同时考虑实际情况中，目标状态未知时无法直接确定合适的定位跟踪算法，提出基于目标状态判决的自适应选择滤波方法，实现了对固定目标和运动目标的自适应区分定位和跟踪。　　3)针对主被动雷达关联过程中由于被动传感器仅能获得角度信息，而导致的关联存在很大的不确定性，提出MPC下的主被动雷达关联算法——通过MPCUKF进行被动传感器跟踪，再将雷达在直角坐标系下的跟踪状态转换到MPC下，在MPC下构建关联累积量，并采用二维分配算法进行关联逻辑判决；同时针对主被动雷达融合跟踪提出了扩维 UKF集中滤波和分布式融合滤波两种方式；并搭建了关联融合跟踪系统平台。