目标跟踪技术被广泛的应用于监控、导航、避障等需要确定目标的数目、位置、运动速度和身份的系统中。尤其是水下目标跟踪技术,没有空中目标跟踪技术那么成熟,研究它具有理论意义和实际工程应用价值意义。本文主要研究基于高斯粒子滤波(GPF)的水下目标跟踪技术,主要分为两个部分:一部分是单目标跟踪,另外一部分是多目标跟踪。其中实现单目标跟踪是基础,而单目标跟踪的核心是选择合适的系统模型、观测模型和滤波算法。首先通过与光学图像进行比较分析,针对前视声纳图像含细节信息少的特点,建立了基于双特征匹配的观测模型,同时选择一阶自回归模型为状态转移模型。然后通过一维和二维的非线性非高斯运动模型的跟踪仿真实验证明:相对于著名的卡尔曼滤波算法来说,GPF不但可以解决线性高斯环境问题,还可应用于非线性非高斯问题;作为粒子滤波的改进,GPF不会出现粒子匮乏现象,不用进行重采样,相比之下,高斯粒子滤波更加简单易行,更适合应用于实际工程。最后序列图像实验和水池实验验证了本文所提出的单目标跟踪方法的有效性。在所提出的单目标跟踪的基础上,首先把GPF算法和最简单的数据关联算法——最近邻算法(NNDA)相结合,形成了GPF-NNDA多目标跟踪算法,但是它的跟踪效果并不理想,于是本文又提出了一种新的基于高斯粒子滤波和联合概率数据关联算法相结合的多目标跟踪算法,简称GPF-JPDA,最后通过声纳图像仿真实验和水池实验,比较了GPF-JPDA算法和其他算法的性能,实验证明本文所提出的基于前视声纳的GPF-JPDA多目标跟踪算法准确率高,实时性好,能够满足实际水下多目标跟踪的需要。