无源声探测网络跟踪系统利用声传感器接收目标纯方位角信息对其进行状态跟踪与类型识别,具备低空探测性好、不受电磁干扰、战场生存能力强、成本低、全天候等优点,是主动雷达探测系统的有益补充。然而,无源声探测网络存在系统非线性、量测不完全可观、信号延时等问题,给目标跟踪与分类工作带来技术挑战。针对上述问题,本文对无源声探测目标跟踪与分类方法进行研究,主要研究工作和成果如下:(1)分析无源声探测网络下的单目标和多目标跟踪与分类问题,针对目标状态、类别信息以及信号的延时特征建立统一的数学模型。(2)针对声探测信号延时导致的量测数据不可直接利用问题,基于期望最大化算法,对不同时刻两两传感器间的联合量测进行延时概率多假设建模,通过极大后验优化取得可直接利用的综合量测,进而结合贝叶斯平滑器得到适用于单目标延时跟踪的延时概率多假设跟踪算法。(3)分析并实现无源被动探测下基于粒子滤波的联合跟踪与分类技术。通过无味变换得到更高质量的粒子建议分布,提出改进的无味粒子滤波联合跟踪与分类算法,提高了目标跟踪精度与分类正确率。(4)多目标带来数据关联问题,进一步增加了无源声探测分类与跟踪问题的难度。为此,基于延时概率多假设算法、联合跟踪与分类技术以及概率多假设技术,提出多目标延时概率多假设跟踪算法和多目标延时概率多假设联合跟踪与分类算法;前者解决数据关联问题与跟踪问题,后者进一步解决多目标分类问题。仿真实验验证了两算法的有效性。