在现代无线通信网络中，与位置相关的服务和应用越来越频繁，逐步改变着人们的生活，同时有效促进目标跟踪技术的发展，使其拥有更为广阔的应用前景。本文研究了视距（Line-of-sight, LOS）和非视距(None-line-of-sight, NLOS)混合环境中的目标跟踪技术。针对混合环境中目标跟踪的相关测量参数估计和定位跟踪方程的求解等问题，提出了混合参数估计和鲁棒跟踪算法。仿真结果表明，新提出的算法适用于LOS/NLOS混合环境，有较高的定位精度，较强的跟踪稳定性，且具有较好的可实现性。首先介绍了目标跟踪技术中相关测量参数及经典算法。分析了基于卡尔曼滤波器的跟踪算法，给出了标准卡尔曼滤波器的滤波原理及迭代过程。该算法通过优化卡尔曼滤波器迭代过程，已知到达时间(Time of Arrival，TOA)中非视距误差分布情况下，对非视距误差有一定程度的抑制效果。但非视距误差不断变化的LOS/NLOS混合环境中，基于卡尔曼滤波器的跟踪算法性能不稳定，甚至发散。接着提出了一种基于扩展H滤波（EHF）和扩展卡尔曼滤波(EKF)的交互式多模型(Interacting Multiple Model, IMM)跟踪算法，设计了由视距传播(LOS)、非视距传播（NLOS）两种子模型构成的环境模型集来描述MS的运动状态，移动目标（MS）与基站(BS)之间的LOS、NLOS传输信道分别用扩展卡尔曼滤波和扩展滤波匹配，并假设两个子模型间的转移为马尔可夫过程。仿真结果表明，新提出的算法能有效抑制非视距误差的影响，并且在伴随混合环境中LOS/NLOS信号传播信道不断变化的情形下，仍有较高的跟踪精度，体现了较好的跟踪性能和实时性。在该算法基础上进一步提出了基于扩展滤波和扩展卡尔曼滤波的TOA和信号强度（RSSI）的联合参数估计交互式多模型算法，结合了两种测量参数估计方法的特点，有效提升了跟踪性能。最后，将本文所涉及的理论知识、提出的各种跟踪算法等做了总结，并对后续研究工作做出了展望。