随着无人机技术在军事和民用领域的迅速发展,对于反无人机技术的发展和应用需求越来越强烈,特别是随着我国低空空域的逐步开放,“低小慢”等航空器的出现使得现有低空防范体系面临新的挑战。传统雷达、光电探测技术容易受地面建筑物阻挡、多普勒效应不明显、雷达散射截面小和恶劣天气环境的影响,使得“低小慢”目标探测也成了一个世界性难题。基于声阵列的被动探测技术,因其具有很高的隐蔽性、便易性、不受电磁干扰和全天候工作特性,成为当前解决“低小慢”目标探测难题的一种有效途径和研究热点。本文结合“低小慢”声目标探测的实际应用需求,基于声阵列的不同应用场景,对空气声阵列探测系统测试平台和应用于线型声阵列、L型声阵列和互质声阵列的波达方向(Direction of Arrival,DOA)跟踪理论与方法分别开展了探索性研究,为其在运动声源目标探测领域的应用提供一定的理论参考和实验依据。为对声阵列探测算法进行有效的实验验证,设计了声阵列探测系统测试平台,对当前主流的阵列DOA跟踪算法开展了实验研究,总结归纳了各个算法的性能表现。开展对无需信源数的MUSIC-like算法实验研究,提出一种基于对角加载技术的改进MUSIC-like算法,基于线型声阵列的实测结果表明,在单声源和双声源信号场景下,所提方法可有效抑制虚假谱峰的出现,提高了算法实际应用中的稳健性。以上实验结果也验证了该测试平台的有效性和实用性。为实现二维空间中的微弱声源目标的快速波达方向跟踪,开展基于均匀线型声阵列的DOA跟踪算法研究,针对子空间跟踪方法和传统粒子滤波(Particle Filter,PF)算法,在低信噪比环境下跟踪精度下降和在动态目标波达角变化速度较快而致使实时性变差的问题,提出一种基于传播算子算法(Propagator Method,PM)算法空间谱函数的PF跟踪算法,通过将PM算法的空间谱分布应用到PF似然函数的改进中,降低了计算复杂度的同时保留子空间算法的高分辨率特性,增强了预测粒子的筛选性能。理论分析和仿真结果表明,在低信噪比环境下,该方法具有更高的运算效率和更低的跟踪误差,更能适用小型、快速运动声源目标的定位跟踪,实测结果验证了本文PF跟踪算法的有效性。为实现三维空间中相干声源目标的波达方向跟踪,开展了基于L型声阵列的二维DOA跟踪算法研究,针对传统波束形成类、子空间类方法存在需要在二维角度空间内进行谱峰搜索,导致计算量较大,且无法处理相干源的DOA跟踪问题,针对传统稀疏信号重构类方法需要在二维角度空间构造过完备原子库,导致稀疏信号重构过程中的计算量成指数增加,且无法解决多目标场景下方位角和俯仰角之间的配对问题,提出应用两种L型阵列下基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的二维DOA跟踪算法。在第一种L型阵列DOA跟踪算法中,将二维过完备原子库的稀疏信号重构问题降为两个一维过完备字典的信号重构问题,以降低算法的计算复杂度,进一步地,利用SBL算法重构出信号之间幅值的差异性,完成方位角和俯仰角之间的自动配对,该算法能够实现相干信号的DOA估计。在第二种L型阵列DOA跟踪算法中,根据阵列协方差矩阵的共轭对称特性,将L型阵二维DOA稀疏重构问题转换为了两个具有扩展孔径的线型阵列DOA稀疏重构问题,进一步地,分别应用SBL算法重构出来波信号,根据源信号之间幅值的不同,解决待估计参数之间配对问题。理论分析和数值仿真表明,所提算法具有更低的计算复杂度、更大的阵列孔径和更小的空间角度跟踪误差,实验结果验证了本文方法的有效性。为实现在特殊应用场景下的声源目标高效、高精度波达方向跟踪,开展了基于互质声阵列的DOA跟踪算法研究,针对均匀阵列无法突破空间角度分辨率受奈奎斯特采样定理限制的问题,提出了一种基于互质阵列的粒子滤波DOA跟踪算法,针对在低信噪比或快拍数较少环境下,粒子滤波似然函数对预测粒子筛选性能减弱现象,推导了互质阵列的空间平滑PM谱函数,并应用到粒子滤波的似然函数改进中。理论分析和仿真结果表明,本文方法具有更高的估计精度和更低的计算复杂度,实验结果验证了所提算法的有效性。