无源定位因其隐蔽性好、作用范围远、生存能力强等优点在现代战争中发挥着不可比拟的作用。目前的非线性滤波算法在传感器系统有偏差、噪声方差和初始状态未知、以及多传感器多目标的复杂跟踪环境下可能出现估计结果次优或者发散的现象。因而对无源定位环境下模型配准、数据关联、和参数估计的联合算法的研究，并且在此基础上研发一种有较高的开放性和扩展性的多目标多量测数据融合估计算法进行实验或仿真实验的软件平台，是非常有意义的。本文参考往年先进估计融合算法，借鉴了在带未知参数混合模型参数估计领域有良好发挥的迭代期望最大化算法（Expectation-maximization, EM），提出了一种基于EM-UKS的联合配准关联参数估计算法。在推导出跟踪系统的全数据似然函数表达式后，在M步中通过最大化似然函数的期望值得到新的未知系统参数估计，在E步中利用无迹卡尔曼平滑器（Unscented Kalman Smoother,UKS）和上一步所得系统参数估计推导目标状态和关联矩阵估计，并且循环直至收敛。仿真结果显示此算法在参数估计方面表现良好，而且优于扩维滤波，在数据关联方面与主流的融合算法表现一样优秀。最后在详细分析算法方法的基础上，针对多传感器多目标跟踪环境搭建了数据融合仿真平台。平台的人性化界面、基于TCP/IP协议的网络架构、以及开放的算法调用接口使它具有较好的实用性和可扩展性。