水下目标检测与定位跟踪技术在军事国防、海洋开发以及海洋科学研究领域具有重要意义,也是海洋信息技术研究中的一项重要内容。通过单个声纳设备实现的传统目标探测技术无法完成大范围高分辨监控;主动探测方法虽然可以获得较高的信噪比,但以高能耗为代价,难以实现长时间的隐蔽监控。随着传感器技术的进步以及状态—空间模型滤波理论的发展,利用分布式声学传感器对覆盖区域内的目标进行被动检测与定位跟踪成为可能。因此,本文以实现大范围、长时间的隐蔽式监控为主要目标,研究了分布式网络拓扑结构与通信策略,并在贝叶斯状态—空间模型框架下,探讨了水下声源目标的被动检测与跟踪问题。主要研究工作如下:第一、结合水下声学物理过程,建立了分布式水声传感网络状态—空间模型,并在此基础上研究了贝叶斯序贯滤波算法,构成本论文的研究框架。针对目标存在性未知的情况,引入随机有限集(Random Finite Set,RFS)同时描述目标存在性和目标运动状态,代入状态—空间贝叶斯序贯滤波框架,实现目标联合检测与跟踪。第二、研究了分布式网络拓扑和通信策略。以提高检测概率为目标,提出了数据融合检测网络中节点部署策略。结合水声信号统计模型,以最小化错误概率为目标,设计了节点位置选择方案,并在浅海波导环境下进行了仿真,验证了其全局最优性。针对分布式检测中通信能力受限的情况,提出了低功耗检测融合传输方法,在保证贝叶斯检测全局最优的条件下,能够节省通信开销,并在不同拓扑结构网络中进行了验证。为保证节点长期同步,提出了针对长时延水下传播环境的改进tiny-sync时钟同步算法,与已有算法相比,该方法复杂度低,数据存储量低,时钟同步过程耗时更短。第三、基于单水听器节点组成的分布式水声传感网络,研究了目标的联合检测与跟踪问题。尽管单水听器节点能够获得的测量信息相对有限,但它具有体积小、成本低、便于部署等优点。本文提出了基于分布式能量测量的伯努利滤波方法,对监测区域声场能量进行空间离散采样,以声传播海洋物理模型为基础,分析了复声压信号能量的统计特性,推导了目标存在和纯噪声情况下的能量测量的似然函数。结合本文得到的声场能量统计特性与伯努利滤波算法,实现了目标状态的联合检测和跟踪。通过仿真和实验验证了所提出方法的有效性。第四、基于多阵列组成的分布式水声传感网络,研究了目标的联合检测与跟踪问题。将波束形成和匹配场处理(Matched Field Processing,MFP)等经典阵列定位算法,与RFS框架下的伯努利滤波器结合,实现了目标的联合检测与跟踪。本文提出了基于多阵列波束形成的伯努利滤波算法,分别由波束形成结果中包含的目标到达角(Direction of Arrival,DOA)以及强度信息构造测量RFS,推导相应的似然函数,得到基于DOA、基于波束功率的滤波算法,并提出将二者结合的混合算法,实现目标轨迹的提取。波束功率方法有利于提高定位精度,但由于端射方向波束主瓣变宽,基于波束功率的方法容易错误地跟踪到阵列端射方向。针对阵列较少的情况,混合方法可以补偿波束功率方法的不足。三阵列仿真结果表明,与DOA方法相比,波束功率方法和混合方法具有更好的目标跟踪精度。浅海实验中两个阵列采集的数据处理结果表明,混合方法具有更好的跟踪性能。本文还研究了多阵列匹配场目标定位估计问题,推导了最大似然准则下的多阵列匹配场模糊体函数,并提出了利用模糊体函数的多峰值输出构造测量RFS的伯努利滤波算法,实现目标的被动检测和跟踪。仿真和实验结果表明,所提出的伯努利滤波算法能够进一步提高目标定位跟踪性能。