随着海洋环境在国家战略地位的不断提升,水下多目标跟踪技术成为当前研究热点。由于不可控制或者特定的人为因素在一定的空间范围内形成由多个目标构成的复杂目标群。例如舰艇编队、导弹、飞机编队等,这些目标具有运动速度相近的特点。同时,由于目标数目的不确定性、目标的机动性及环境的影响,多目标跟踪仍然面临着巨大的挑战。基于上述背景,本文研究了被动双基站多目标跟踪算法。首先,研究了被动双基站多目标跟踪基础。采用控制变量法,分析了基线长度及方位角测量误差对定位性能的影响。通过仿真分析了线性模型下Kalman滤波和粒子滤波的性能;分析了非线性模型下扩展Kalman滤波和粒子滤波的性能。其次,研究了不考虑目标新生和消亡时,基于联合概率数据关联(JPDA)的被动多目标跟踪算法。研究了基于常规JPDA的非机动多目标跟踪算法。针对常规JPDA算法在运动交汇时目标跟踪错误及跟踪丢失的问题,研究了交汇判决、迭代平滑的改进JPDA(IJPDA)算法。研究了基于交互式多模型JPDA(IMM-JPDA)的机动多目标跟踪算法。通过仿真实验分析了不同参数对算法性能的影响。最后,研究了具有目标新生和消亡情况下,基于随机有限集(RFS)理论的被动多目标跟踪算法。研究了基于高斯混合概率假设密度(GM-PHD)的被动多目标跟踪算法。针对GM-PHD算法无法实现航迹标识的问题,研究了基于标签高斯混合概率假设密度(LGMPHD)算法的被动多目标跟踪算法,并采用最优次模式分配距离(OSPA)对多目标跟踪性能进行了分析。针对LGM-PHD算法需要新生目标强度先验信息的问题,研究了基于量测的自适应新生目标强度LGM-PHD(ALGM-PHD)的改进算法。通过仿真实验分析了上述算法的有效性。