由于水下空间环境物理特性复杂,噪声多源且动态变化,传统的集中式或者采用声呐阵列的目标跟踪方式无法实现高精度的水下定位与跟踪。水下分布式网络因其监测范围大、部署灵活等特点,为水下目标状态估计提供了更加实时有效的数据支持,使得高精度的水下运动轨迹跟踪成为可能。为降低水下环境噪声对观测信息准确性的影响,提供高精度的水下定位与跟踪服务,本文对现有的水下跟踪方法进行综合探讨,并采取仿真模拟的方法对不同方法进行对比,分析不同方法的优劣性。此外结合实际情况,提出了基于粒子滤波的目标跟踪算法来提高水下目标跟踪的精度。本文研究包含以下两个方面内容:针对水下环境噪声问题,提出基于分布式感知网络的目标跟踪算法。考虑到水下环境信噪比低、目标信号弱和信号传播距离有限等不利因素,为降低水下环境噪声对观测信息准确性的影响,本文提出了一种网络资源动态分配机制,充分利用各层级网络的感知信息,通过对节点资源的调配增强整体网络的探测能力,实现在水下监测网中准确的获取目标的观测信息。另外,在不考虑多目标跟踪中数据关联和信息误报的情况下,设计了基于分布式状态融合的粒子滤波算法,以改善各种观测噪声对单目标跟踪精度的影响。仿真表明,相比于传统算法,本文所提出的方法在多种非高斯噪声环境和目标非线性运动的情况下,可以获得更好的跟踪精度且稳定性更高。针对多目标处于小范围区域内的交汇问题,本文引入双层粒子滤波算法增加水下多目标跟踪精度。研究小范围区域内水下多目标的跟踪问题,除了非高斯观测噪声和低信噪比带来的影响外,还有观测信息不匹配和相似特征导致的虚警干扰问题。尤其是多个目标存在交叉运动时,上述问题将变得非常严重,最终可能导致算法计算量暴增和跟踪轨迹偏离。对此,本文提出了一种基于分布式概率融合的双层粒子滤波算法。在多目标进行轨迹交汇的问题上,算法可以根据目标的历史航迹及其观测粒子的状态信息来获得准确的数据关联,进而得到更多的有效信息;在融合层对预处理后的空间观测信息进行独立的粒子滤波,从而提高观测信息的准确性。仿真实验表明,在模拟多个目标在小范围区域内出现交叉靠近的情况下,本文提出的算法可以提供较高的定位精度和状态估计信息。