多源信息融合是针对多信源信息进行处理的一种方法。因其具备精度高、容错性好、信息获取成本低以及可以实现信息的互补等优点，该方法已广泛应用于现代军事、工业、交通和金融等领域，对科技现代化的发展起到了推动性作用。在其众多应用领域中，多源信息融合在军事背景下的机动目标识别、发现与状态跟踪方面起到的作用尤为重要。本文以多源信息融合为研究基础，针对机动目标定位与跟踪具体工程背景下的部分关键技术和实现手段展开相关研究，主要贡献如下：针对机动目标跟踪系统建模中的非线性问题，提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合估计算法。考虑到被估计系统对目标状态估计实时性与估计精度等方面的要求，在容积滤波框架下构建出两种结构形式。其中，集中式量测融合结构采用最优加权方法，首先对雷达和红外两种异质传感器的方位角度量测信息进行融合，并将其与融合后的雷达径向距量测构建新的量测数据，进而通过CKF算法对机动目标进行跟踪；分布式状态融合结构则首先对雷达量测中径向距信息进行加权融合，并将融合结果作为红外传感器的虚拟径向距量测，以实现红外量测的扩维处理，在此基础上对每组量测数据应用容积卡尔曼滤波进行分布式并行加权融合，获得目标运动状态的最终估计。针对机动目标跟踪过程中会影响跟踪算法精度和稳定性的量测不完全现象，给出一种不完全量测下多传感器融合推广扩展卡尔曼滤波算法。在算法实施过程中，引入残差检测技术以判断当前采样时刻传感器量测数据是否正确，从而实现野值剔除；在此基础上，针对不完全量测现象对扩展卡尔曼滤波算法进行改进，并基于多源信息融合理论，采用多传感器获得观测数据，结合改进算法，通过恰当的加权方法得到精度更高的状态估计。此外，本文还通过仿真实验发现探测概率和滤波精度间存在的内在联系，并进行了相关的讨论。针对以舰船跟踪为应用背景的运动声源DOA估计问题，考虑结合方位估计方法和目标跟踪算法，提出一种空域非均匀噪声背景环境下的运动声源DOA定位与跟踪算法。算法以声学矢量传感器量测数据为先验信息，通过估计出的噪声协方差矩阵实现对其的预白化处理。从而在最大能量DOA估计方法的基础上，实现加权参数取值的固化，在声压和振速部分噪声能量未知的情况下，保障DOA估计的精度。在此基础上，本文依据改进的最大能量法得到的声源方向矢量估计值构建运动声源的量测方程，并在经典Kalman滤波框架下实现对于运动声源的状态估计和跟踪。最后，综合运动声源定位和跟踪的研究成果和多源信息融合技术，考虑融合多个声矢量传感器量测信息，以期进一步提高运动声源的DOA估计精度。