单站纯角度目标定位具有部署灵活、隐蔽性好、抗电磁干扰、作用距离远的特点,被广泛用于被动雷达目标探测、红外目标感知和水下无人潜航器搜救等领域。其中在远距离目标探测应用中,观测平台高度信息未知,观测平台自身的位置带误差,测量噪声方差也和目标与观测平台的距离相关,如何在上述不确定因素条件下实现单站纯角度慢速目标高精度定位是一个极具挑战的课题。本文针对这三类不确定因素条件下的单站纯角度慢速目标定位问题展开研究,分别提出了三阶段扩展卡尔曼滤波算法（Three-Stage Extended Kalman Filter,3S-EKF）和基于3S-EKF的粒子滤波算法。具体研究内容如下:1.针对慢速目标等同于静止目标处理的模型不匹配问题,系统分析了目标不同速度对算法定位精度所造成的影响,给出了单站纯角度目标定位的贝叶斯Cram（?）r-Rao下界。2.针对一阶段扩展卡尔曼滤波算法（One-Stage Extended Kalman Filter,1SEKF）因测量耦合导致能观性下降的问题,提出了一种两阶段扩展卡尔曼滤波（Two-Stage Extended Kalman Filter,2S-EKF）。该算法在贝叶斯滤波框架下实现了方位角与俯仰角的测量解耦,相比于1S-EKF,提高了定位精度。针对2S-EKF相对高度的估计不准确的问题,提出了一种基于二维投影目标位置和相对高度几何约束的3S-EKF算法,该算法相比于2S-EKF算法,提高了相对高度的估计精度。3.针对观测平台位置带误差且测量噪声方差与距离相关条件下3S-EKF定位精度下降的问题,提出了一种基于3S-EKF的粒子滤波算法。首先将观测平台位置误差映射至测量噪声,获得测量的近似高斯概率密度函数;然后将3S-EKF算法结果作为提议分布,通过粒子滤波实现对目标位置和相对高度的估计;最后推导了在观测平台位置不确定且测量噪声方差与距离相关条件下单站纯角度目标定位的贝叶斯Cram（?）r-Rao下界。与3S-EKF算法相比,该算法的定位精度更高。