由于战争和民用领域的需求,目标定位与跟踪技术一直以来受到专家学者的重视,其中的被动定位跟踪算法由于系统不发射高功率信号而是通过接收目标辐射的信号来实现定位从而拥有隐蔽探测的能力,因此成为各国的研究热点。常用的定位手段包含基于到达时间(TOA)、方位角(AOA)、多普勒频差(FDOA)、到达时间差(TDOA)的无源定位技术。本文将主要关注点放在基于TDOA的无源定位与跟踪算法的研究上。从定位原理、定位算法、定位精度的角度出发研究目标定位技术,着眼于目标运动方程、系统观测方程、滤波算法研究了被动跟踪技术。基于随机有限集的跟踪算法是近些年多目标跟踪研究领域的新宠,其中箱粒子PHD滤波算法在某些系统中已经被验证在实现相同定位精度的前提下相对于粒子PHD在运算速度上有着很大的提升,本文也对此进行了研究。具体工作如下:首先对于无源定位算法进行了比较细致的研究,重点研究了TDOA定位原理,定位精度的影响要素和几种定位算法例如经典的有着解析解的CHAN算法和通过迭代运算的泰勒法、牛顿法。提出了一种变步长的修正牛顿定位算法,该算法首先从代价函数入手,将传统高度不规则非凸TDOA代价函数近似化简为一个具有规则形状的凸函数,因此可以很大程度上规避了陷入局部最优解的情况。然后通过修正牛顿法来确定迭代方向避免了因黑森矩阵带来传统牛顿法失效的问题,最后将步长看作一个一维变量进行寻优改善了运算效率。然后对基于TDOA的单目标跟踪算法进行了研究,介绍了常见的运动模型例如针对匀速运动目标的CV模型、匀加速运动目标的CA模型和常速率转弯CT模型。TDOA被动跟踪问题本质是解决非线性滤波问题,因此本文研究了扩展卡尔曼和粒子滤波算法。对于运动状态在时刻改变的机动目标,本文将交互多模型理论应用到TDOA跟踪算法中,并且在Matlab仿真平台上进行了细致的仿真实验。最后研究了箱粒子PHD滤波算法,它本质是将区间分析应用于粒子滤波算法中。通过研究区间分析中的运算准则、包含函数、收缩算法等基础原理后,提出了针对TDOA的约束函数从而实现运用箱粒子PHD算法解决多目标被动跟踪问题。