基于到达时间差（Time Difference of Arrival,TDOA）的多站无源定位,又称为时差法多站无源定位,是指通过多个接收站对来自同一目标辐射源的非合作信号进行接收处理,从而获得目标辐射源的非合作信号到达不同接收站的时间差,根据时间差信息建立包含辐射源位置的相关定位方程,实现对目标辐射源位置的解算。在二维平面内,到达时间差量测信息对应双曲线,多个接收站获得的双曲线的交点就是目标辐射源的位置。假设在监测区域内有多个待定位通信目标辐射源且每个目标辐射源发射信号的调制格式均不相同,本文围绕目标辐射源的非合作信号识别,时延的高精度估计和多站无源定位解算方法这三个TDOA的多站无源定位中的关键技术展开研究,完成的主要研究内容如下:（1）总结了基于TDOA的多站无源定位的相关基本原理和基本流程,介绍了多站无源定位的平台架构和信号接收与处理模块,给出了基本的信号识别、时延估计示意图和定位解算的数学描述模型。（2）针对目标辐射源信号识别问题,假设某一时刻只有一个目标辐射源发射信号,为了实现目标辐射源信号的识别与区分,本文着重研究了基于深度学习的信号识别方法,研究了采用LSTM深度神经网络对数据集进行特征提取,实现通信辐射源信号的识别。在仿真环境下,LSTM网络的识别精度最高,整体识别率为87%,CNN方法精度次之,Inception和Resnet网络的识别率约为80%。。（3）针对高精度时延估计问题,不考虑时间同步等因素,本文研究了传统自适应时延估计和约束型自适应时延估计方法,约束型方法增加了增益控制,在低信噪比环境下能够获得更高精度的时延估计。本文以BPSK信号为仿真信号,对参考信号和加入噪声的延时信号进行时延估计,仿真结果表明约束型方法得到的时延估计结果精度更高,信噪比为20d B时,约束型方法得到的估计偏差为0.001s,而传统型方法估计偏差为0.01s,在低信噪比条件下,约束型方法有更好的性能。（4）针对位置解算算法,本文研究了基于解析法的约束加权最小二乘算法（CWLS）和两步加权最小二乘算法（TSWLS）的求解方法,仿真结果表明,TSWLS的效果更好,定位精度更高,当SNR为25d B时,TSWLS的RMSE值为0.59m,而CWLS的RMSE值为1.92m。此外,本文研究了基于极值搜索的求解方法,研究了基于遗传算法（Gene）的求解方法,提出了联合加权最小二乘和萤火虫寻优算法的求解方法,仿真结果表明,提出的联合算法可以得到更高的精度,当SNR为25d B时,RMSE值为0.07m,低于Gene方法的RMSE值2.38m。