无源定位与跟踪技术作为新兴的并且正在迅速发展的电子对抗技术,是多传感器数据融合的一个重要研究内容。通常由分散布置的多个侦察站协同工作,迅速实现对未知辐射源目标的定位或跟踪。而基于接收信号强度差的多站无源定位算法由于其数据易获得,硬件要求低,成本低,功耗小,受到越来越广泛的研究。该方法需要进行信号强度数值处理、环境参数估计、多站信息融合定位等过程,其中的关键是信号强度数值处理以及相关环境参数的测量。由于辐射源发射信号强度是未知的,仅依靠每一个信号强度观测站的观测值无法对辐射源目标进行直接定位,所以考虑利用各个观测站观测值之间的差值信息来实现对辐射源目标的位置估计,并考虑结合高精度测向结果对估计位置进行修正。本论文以无人机定位系统为背景,研究针对无人机的定位与跟踪算法。主要内容如下:(1)研究了基于接收信号强度的多站无源定位技术的相关基础理论,对现有常用的自由空间传播模型、双射线地面反射模型以及对数正态衰减阴影模型等信号强度路径损耗模型的特点进行了分析和研究,讨论了不同模型在实际工程问题中的适用条件类别。为了提高对辐射源目标的定位精度,最终选取对数正态衰减阴影模型作为接下来算法研究的基础。然后针对对数正态衰减阴影模型中两个至关重要的环境参数进行了估计。提出了高斯模型野值点剔除法以及统计中值法这两种信号强度随机观测数据的处理方法。(2)首先,在目标传输功率未知的情况下,将基于多站接收信号强度定位的非线性优化问题转换为伪线性最小二乘法估计问题,推导出了接收信号强度差(RSSD)伪线性最小二乘定位方法。并分析在不同噪声水平下,估计坐标与目标位置的偏离程度。其次,基于RSSD伪线性最小二乘定位方法提出了基于RSSD的多初值高斯牛顿迭代修正法和基于RSSD的多初值伪距构造迭代修正法这两种对辐射源目标位置的精确计算方法。后两种算法融合了三者单独定位的各自优点,同时取长补短,可提高算法的定位精度。仿真分析表明,本章所提的基于RSSD高斯牛顿迭代修正法和基于RSSD伪距构造迭代修正法这两种算法能较好的适应高噪声水平的定位环境,且能满足高精度的定位需求以及实时性(3)研究了对无人机目标的多站接收信号强度差和测向融合定位算法。首先建立了接收信号强度差定位的数学模型。在分析优缺点和定位性能基础上,提出了接收信号强度差和测向融合定位算法。该算法利用RSSD定位模型解算得到初值结果。然后代回各站定位模型,得到等效发射信号强度,再结合测向结果,实现精确定位。该算法综合了前两种算法的优点,定位精度高,可以满足实时性;最后,通过仿真试验验证了算法的性能。