随着人们对磁的认识不断深入,异磁目标的检测和定位越来越受到人们的关注。磁检测与定位直观理解主要分为检测和定位两个步骤。由于磁异常信号很微弱,所以对磁信号进行提取时需要用到很多方面的知识。根据原理的不同,磁信号提取技术可以分为多种不同的方法。同样的,现在已经存在多种方法可以实现磁目标的定位。在对磁信号进行提取时,目前运用最广泛的是盲源分离算法,这是一种常规信号处理的有效算法。然而,通过进行仿真实验发现,使用盲源分离算法得到的分离结果具有两个不确定性——幅值不确定性和顺序不确定性。对于信号检测问题,本文在标准正交基函数分解的基础上,对标准正交基函数分解算法进行了改进,并用改进后的算法实现异磁信号的分离。对于追踪定位问题,本文在高斯粒子滤波算法的基础上,给出了一种改进的容积卡尔曼—高斯粒子滤波算法。通常实际测得的复杂信号都能看成是由几个基信号在特定的系数下组合而成的,此时应用标准正交基函数分解算法,对信号的能量函数归一化,进一步计算得到目标信号的特征时间,根据该特征可以对基函数系数进行计算,进而完成信号的分离。事实上,由于基函数信号的相位差会导致直接使用该算法求得的系数误差很大,甚至是错误的。此时,需要对标准正交基函数分解算法进行改进。将原来的三个基函数按照不同的权值进行组合构造新的基函数,得到新的基信号函数。将该函数和原来的基信号函数结合,再对信号基函数系数进行求解分析。通过应用新的算法可以完成对源信号的分解,使基函数系数的求解更加容易。不仅如此,新的基函数还会让信号的能量函数变得信噪比高,更容易处理。再通过由标准正交基函数分解算法得到特征时间估计和能量函数峰峰值对应着目标位置的两个特性,仿真真分析得出,能实现对磁异常目标较高精度的定位。在对目标进行追踪时,粒子滤波算法比传统的追踪方法更有优势。然而受限于粒子滤波的基本思想,粒子的退化现象尤其明显。基于粒子滤波算法改进的高斯粒子滤波算法比标准的粒子滤波算法多了重采样环节,重采样是缓解粒子退化现象的重要措施。但以上方法没有考虑目标当前时刻的最新观测数据,不利于目标的实时追踪。本文在了解高斯粒子滤波算法的基本理论之后,分析该算法在应对退化现象和粒子多样性枯竭方面的方法和效果,然后对高斯粒子滤波算法进行改进,提出了容积卡尔曼—高斯粒子滤波算法,并对算法进行了仿真实验。实验结果表明本文提出的容积卡尔曼—高斯粒子滤波算法比高斯粒子滤波算法对运动的磁异常目标的轨迹预测效果更好,更稳定。