水下目标可以通过被动声纳传感器获得目标的方位信息来估计目标的运动轨迹。水下战场环境的高复杂性和高不确定性，使得单被动声纳传感器接收的信息不仅不全面而且不可靠，传统的声纳检测、估计、识别技术已经满足不了现代水下信息战的要求，解决问题的办法就是在作战平台的水声系统中采用多声纳传感器信息融合技术，这已成为当前的一个研究热点，进行该项课题的研究具有重要的理论意义和实用价值。　　 多被动声纳传感器的目标航迹融合估计属于纯方位目标跟踪系统，方位角量测是被估计状态的非线性映射，是典型的非线性滤波问题，工程中解决这类问题的常用方法是扩展卡尔曼滤波及其修正算法，粒子滤波和无迹卡尔曼滤波是近年来提出的有效解决这类问题的新方法。本文的主要研究工作和结果为：　　 1.简单介绍了估计理论、融合结构与常用的跟踪模型，建立了双被动声纳传感器纯方位数据融合模型，分析了双被动声纳传感器纯方位模型的可观测性，为以后的研究提供了理论基础。　　 2.结合建立好的数据融合模型和卡尔曼滤波理论在非线性系统和非线性量测状况下的推广，在“当前”统计模型下，研究了扩展卡尔曼融合估计算法，伪线性量测卡尔曼融合估计算法和采样卡尔曼融合估计算法，这些算法都属于次优估计算法。最后通过仿真得出采样卡尔曼融合估计算法可以更好的估计目标的运动轨迹。　　 3.针对粒子滤波的缺陷，选取了以扩展卡尔曼滤波算法和采样卡尔曼滤波算法作为重要性函数，以bootstrap重采样、系统重采样、残差重采样和辅助粒子滤波算法作为重采样算法，研究了改进粒子滤波算法。最后运用扩展卡尔曼粒子滤波算法、采样卡尔曼粒子滤波算法、辅助扩展卡尔曼粒子滤波算法和辅助采样卡尔曼粒子滤波算法来估计水下目标的航迹。仿真结果表明：辅助采样卡尔曼粒子滤波算法可以更好的估计目标的运动轨迹。