匹配场定位是建立在对海洋声传播精确建模基础上的被动定位方法，它将实测水声信号与模拟声场信号相匹配来确定声源的深度和距离。其特点是对环境参数失配、阵列幅度相位误差、距离/深度空间采样较敏感，稳健性较强，但定位正确率依赖于环境失配的程度，而且旁瓣较高。海洋环境参数失配以及声源运动导致定位性能大幅度下降是匹配场定位所面临的难题之一。应用贝叶斯理论对环境聚焦，是当前解决该难题的研究热点。环境聚焦方法的实质是将未知环境参数和声源位置联合优化估计。然而，运动声源的位置时变性限制了观测时间长度和观测信息量，不得不利用很有限的观测信息实现众多参数的估计。当航速较快或是环境信息的不确定性较大时，环境聚焦方法的效果快速变差。不确定海洋环境下对运动声源定位是个较为复杂的过程，涉及到利用多次观测数据联合反演多个环境参数和声源位置、运动声源的连续估计、环境参数的敏感性及耦合关系分析、最优化算法的设计以及贝叶斯处理器的后验概率分析等问题。本文主要研究单次定位时如何尽量增加观测数据量以及如何实现运动声源的连续估计问题。借鉴卡尔曼滤波处理非平稳过程的参数估计思想，对航速较恒定的声源，将多个时刻的接收信号同时反演，引入能够描述声源位置随时间变化规律的时不变参数，以较少的时不变参数间接反演多个声源位置，有效降低待估参数维数。通过反演声源的运动速度和航向，将多组观测数据同时处理，即利用初始距离、航速和航向来间接反演声源的多个位置，多组观测数据限制一组环境参数，不确定因素所占比重降低，解决目前方法的观测量不足和反演参数过多的问题，定位精度会相应提高；另外，充分利用前一时刻的定位结果来建立先验分布和代价函数，提高下一时刻的定位精度，实现运动声源的连续定位。该方法把时变的声源定位问题转化为时不变的参数估计问题，在相同的环境不确定条件下，大幅度增加了观测时间和观测信息量，很好地改善环境聚焦方法的效果。