现代战争中,胜负往往取决于双方在电子战方面的实力。在电子战中,无源侦察定位与跟踪技术是十分重要手段并被广泛使用。经过多年发展,已形成几种成熟的无源时差定位算法与跟踪算法,但其精度急需提高,尤其是在高时差测量误差情况下。近年来随着元启发式算法的逐渐兴起,传统的时差定位算法与跟踪算法又有了新的发展方向。其中粒子群优化(PSO)算法就被广泛地应用于无源时差定位算法与跟踪滤波算法中,并取得了较高精度,但其存在易陷入局部最优等缺点。本文根据不同元启发式算法的特点,选取了最近提出的、种群个体多样性强、精度较高的、跳出局部最优能力强的樽海鞘群算法(SSA),将其应用于无源时差定位算法与滤波算法当中,并分别对应用于定位与跟踪的樽海鞘群算法进行了改进,提出了改进樽海鞘群算法(WSSA)与樽海鞘群算法优化的粒子滤波(SSA-PF)算法,获得较好性能。下面具体介绍本文的研究内容:首先,研究了TDOA定位的基本原理和经典的Chan算法、Taylor算法。研究了基于粒子群优化(PSO)算法的时差定位。介绍了衡量定位性能的几种指标,本文主要利用均方根误差(RMSE)衡量算法性能。仿真比较了经典算法与粒子群优化算法的定位精度,并分析其优缺点。接着,研究了单目标跟踪中经典的滤波算法与运动模型。仿真分析了单变量非静态增长模型下,扩展卡尔曼滤波(EKF)算法和无迹卡尔曼滤波(UKF)算法的性能。基于无迹卡尔曼滤波(UKF)算法,仿真比较了复杂路径运动目标在Singer模型与交互式多模型下的跟踪性能。然后,介绍了樽海鞘群算法及其灵感的生物来源。将该算法应用于时差定位中,并针对原算法精度不高、搜索能力弱等不足进行改进,通过增加领导者数量增强搜索能力,通过高斯扰动增强算法跳出局部最优能力,从而提出了改进樽海鞘群算法(WSSA)。仿真对比了改进前后算法在算法初期的种群个体分布,表明改进后的算法具有更强的跳出局部最优的能力从而获得更高精度。仿真对比了粒子群优化(PSO)算法与改进樽海鞘群算法(WSSA)在时差定位上的空间稳定性、收敛速度与收敛精度,从而分析了两种算法的优缺点。最后,从贝叶斯滤波出发研究了标准粒子滤波算法,并将樽海鞘群算法用于优化粒子滤波,提出了基于樽海鞘群算法的粒子滤波(SSA-PF)。通过樽海鞘群算法指导粒子移动,使粒子主要分布在真实值周围区域,改善粒子权值退化现象,提高精度。同时保证在其他区域也有粒子分布。在单变量非静态增长模型下,仿真对比了被广泛研究的基于粒子群优化算法的粒子滤波(PSO-PF)与本文提出算法以及标准粒子滤波(PF)算法,分析各自的优缺点并与经典滤波算法进行对比,结果表明本文提出的算法具有更高精度。